So vergleichen sie zwei dataframes in pandas

Oftmals könnte es für Sie von Interesse sein, die Werte zwischen zwei Panda-DataFrames zu vergleichen, um deren Ähnlichkeiten und Unterschiede zu erkennen.

In diesem Tutorial wird erklärt, wie es geht.

Beispiel: Vergleich zweier DataFrames in Pandas

Angenommen, wir haben die folgenden zwei Panda-DataFrames, die jeweils Daten zu vier Basketballspielern enthalten:

 import pandas as pd

#define DataFrame 1
df1 = pd. DataFrame ({'player': ['A', 'B', 'C', 'D'],
                   'points': [12, 15, 17, 24],
                   'assists': [4, 6, 7, 8]})
df1


        player points assists
0 to 12 4
1 B 15 6
2 C 17 7
3 D 24 88

#define DataFrame 2
df2 = pd. DataFrame ({'player': ['A', 'B', 'C', 'D'],
                    'points': [12, 24, 26, 29],
                    'assists': [7, 8, 10, 13]})
df2

	player points assists
0 to 12 7
1 B 24 8
2 C 26 10
3 D 29 13

Beispiel 1: Finden Sie heraus, ob die beiden DataFrames gleich sind.

Ob die beiden DataFrames identisch sind, können wir zunächst mit der Funktion DataFrame.equals() herausfinden:

 #see if two DataFrames are identical
df1. equals (df2)

False

Die beiden DataFrames enthalten nicht genau die gleichen Werte, daher gibt diese Funktion korrekt False zurück.

Beispiel 2: Finden Sie die Unterschiede in den Spielerstatistiken zwischen den beiden DataFrames.

Mit der Funktion pandas subtract() können wir die Unterschiede zwischen den Assists und Punkten der einzelnen Spieler ermitteln:

 #subtract df1 from df2
df2. set_index ('player'). subtract (df1.set_index('player'))

	assist points
player		
At 0 3
B 9 2
C 9 3
D 5 5

Die Art und Weise, dies zu interpretieren, ist:

• Spieler A hatte in beiden DataFrames die gleiche Anzahl an Punkten, hatte aber in DataFrame 2 drei weitere Assists.
• Spieler B hatte 9 Punkte mehr und 2 Assists mehr in DataFrame 2 im Vergleich zu DataFrame 1.
• Spieler C hatte 9 Punkte mehr und 3 Assists mehr in DataFrame 2 im Vergleich zu DataFrame 1.
• Spieler D hatte 5 Punkte mehr und 5 Assists mehr in DataFrame 2 im Vergleich zu DataFrame 1.

Beispiel 3: Finden Sie alle Zeilen, die nur in einem einzelnen DataFrame vorhanden sind.

Wir können den folgenden Code verwenden, um eine vollständige Liste der Zeilen zu erhalten, die nur in einem einzelnen DataFrame erscheinen:

 #outer merge the two DataFrames, adding an indicator column called 'Exist'
diff_df = pd. merge (df1, df2, how=' outer ', indicator=' Exist ')

#find which rows don't exist in both DataFrames
diff_df = diff_df. loc [diff_df[' Exist '] != ' both ']
diff_df

	player points assists Exist
0 A 12 4 left_only
1 B 15 6 left_only
2 C 17 7 left_only
3 D 24 8 left_only
4 A 12 7 right_only
5 B 24 8 right_only
6 C 26 10 right_only
7 D 29 13 right_only

In diesem Fall teilen sich die beiden DataFrames keine identischen Zeilen, sodass es insgesamt 8 Zeilen gibt, die nur in einem der DataFrames erscheinen.

Die Spalte mit der Bezeichnung „Exist“ gibt uns praktischerweise Auskunft darüber, in welchem DataFrame jede Zeile eindeutig vorkommt.