Bagaimana cara membandingkan kolom dalam bingkai data yang berbeda?

Saya ingin membandingkan satu kolom df dengan df lainnya. Kolom adalah nama dan nama belakang. Saya ingin memeriksa apakah seseorang dalam satu frame data ada di frame lain.

Jika Anda ingin memeriksa nilai yang sama pada kolom tertentu, misalkan Nama Anda dapat menggabungkan kedua Dataframe ke yang baru:

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

Saya pikir ini lebih efisien dan lebih cepat wherejika Anda memiliki kumpulan data besar

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

Trueentri menunjukkan elemen umum. Ini juga mengungkapkan posisi elemen umum, tidak seperti solusi dengan merge.

Membandingkan nilai dalam dua kolom berbeda

Dengan menggunakan set, dapatkan nilai unik di setiap kolom. Perpotongan dua set ini akan memberikan nilai unik di kedua kolom.

Contoh:

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']))

Keluaran: {2, 5}

Membandingkan nama kolom dari dua dataframe

Jika Anda mencoba membandingkan nama kolom dari dua kerangka data:

Jika df1dan df2dua dataframe: set(df1.columns).intersection(set(df2.columns))

Ini akan memberikan nama kolom unik yang terkandung dalam kedua kerangka data.

Contoh:

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))

Keluaran: {'c2', 'c3'}

Anda dapat mengecek jumlah pasti posisi umum dan berbeda antara dua df dengan menggunakan isin dan value_counts ()

Seperti itu:

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

Hasil:

Benar = umum Salah = berbeda

Perhatikan bahwa kolom bingkai data adalah seri data. Jadi jika Anda mengambil dua kolom sebagai seri panda, Anda dapat membandingkannya seperti yang akan Anda lakukan dengan array numpy.