Wie vergleiche ich Spalten in verschiedenen Datenrahmen?

Ich möchte eine Spalte eines DF mit anderen DFs vergleichen. Die Spalten sind Namen und Nachnamen. Ich möchte überprüfen, ob sich eine Person in einem Datenrahmen in einem anderen befindet.

Wenn Sie in einer bestimmten Spalte Gleichheitswerte überprüfen möchten, sagen wir mal Name, können Sie beide Datenrahmen zu einem neuen zusammenführen:

mergedStuff = pd.merge(df1, df2, on=['Name'], how='inner')
mergedStuff.head()

Ich denke, das ist effizienter und schneller als wherewenn Sie einen großen Datenbestand haben

df1.where(df1.values==df2.values).notna()

TrueEinträge zeigen gemeinsame Elemente. Dies zeigt auch die Position der gemeinsamen Elemente im Gegensatz zur Lösung mit merge.

Vergleichen von Werten in zwei verschiedenen Spalten

Mit set erhalten Sie eindeutige Werte in jeder Spalte. Der Schnittpunkt dieser beiden Mengen liefert die eindeutigen Werte in beiden Spalten.

Beispiel:

df1 = pd.DataFrame({'c1': [1, 4, 7], 'c2': [2, 5, 1], 'c3': [3, 1, 1]}) df2 = pd.DataFrame({'c4': [1, 4, 7], 'c2': [3, 5, 2], 'c3': [3, 7, 5]}) set(df1['c2']).intersection(set(df2['c2']))

Ausgabe: {2, 5}

Spaltennamen zweier Datenrahmen vergleichen

Wenn Sie versuchen, die Spaltennamen von zwei Datenrahmen zu vergleichen:

Wenn df1und df2sind die beiden Datenrahmen: set(df1.columns).intersection(set(df2.columns))

Dies liefert die eindeutigen Spaltennamen, die in beiden Datenrahmen enthalten sind.

Beispiel:

df1 = pd.DataFrame({'c1': [1, 4, 7], 'c2': [2, 5, 1], 'c3': [3, 1, 1]})
df2 = pd.DataFrame({'c4': [1, 4, 7], 'c2': [3, 5, 2], 'c3': [3, 7, 5]})

set(df1.columns).intersection(set(df2.columns))

Ausgabe: {'c2', 'c3'}

Sie können die genaue Anzahl der gemeinsamen und unterschiedlichen Positionen zwischen zwei df überprüfen, indem Sie isin und value_counts () verwenden.

So wie das:

df['your_column_name'].isin(df2['your_column_name']).value_counts()

Ergebnis:

Wahr = gemeinsam Falsch = unterschiedlich

Beachten Sie, dass die Spalten der Datenrahmen Datenreihen sind. Wenn Sie also zwei Spalten als Pandas-Reihe verwenden, können Sie sie genau wie numpy-Arrays vergleichen.