<\/p>\n
Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um zu \u00fcberpr\u00fcfen, ob zwei Pandas-DataFrames gleich sind:<\/span><\/p>\n Dies gibt den Wert True<\/strong> oder False<\/strong> zur\u00fcck.<\/span><\/p>\n Wenn zwei DataFrames nicht gleich sind, k\u00f6nnen Sie die folgende Syntax verwenden, um Zeilen im zweiten DataFrame zu finden, die im ersten DataFrame nicht vorhanden sind:<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Nehmen wir an, wir haben die folgenden zwei Panda-DataFrames:<\/span><\/p>\n Mit der folgenden Syntax k\u00f6nnen wir pr\u00fcfen, ob die beiden DataFrames gleich sind:<\/span><\/p>\n Die Ausgabe gibt False<\/strong> zur\u00fcck, was bedeutet, dass die beiden DataFrames nicht gleich sind.<\/span><\/p>\n Mit der folgenden Syntax k\u00f6nnen wir dann herausfinden, welche Zeilen im zweiten DataFrame, aber nicht im ersten vorhanden sind:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir erkennen, dass es im zweiten DataFrame drei Zeilen gibt, die im ersten DataFrame nicht vorhanden sind.<\/span><\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in Pandas ausf\u00fchren:<\/span><\/p>\n Pandas: F\u00fcgen Sie eine Spalte von einem DataFrame zu einem anderen hinzu<\/a> Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um zu \u00fcberpr\u00fcfen, ob zwei Pandas-DataFrames gleich sind: df1. equals (df2) Dies gibt den Wert True oder False zur\u00fcck. Wenn zwei DataFrames nicht gleich sind, k\u00f6nnen Sie die folgende Syntax verwenden, um Zeilen im zweiten DataFrame zu finden, die im ersten DataFrame nicht vorhanden sind: #perform outer join […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df1. equals<\/span> (df2)\n<\/strong><\/pre>\n #perform outer join on two DataFrames\n<\/span>all_df = df1. merge<\/span> (df2, indicator= True<\/span> , how=' outer<\/span> ')\n\n#find which rows only exist in second DataFrame\n<\/span>only_df2 = all_df[all_df[' _merge<\/span> '] == ' right_only<\/span> ']\nonly_df2 = only_df2. drop<\/span> (' _merge<\/span> ', axis= 1<\/span> )<\/strong><\/pre>\n Beispiel: \u00dcberpr\u00fcfen Sie, ob zwei Pandas-DataFrames gleich sind<\/strong><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#create first DataFrame\ndf1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E'], \n ' points<\/span> ': [12, 15, 22, 29, 24]}) \n\nprint<\/span> (df1)\n\n team points\n0 to 12\n1 B 15\n2 C 22\n3 D 29\n4 E 24\n\n#create second DataFrame\n<\/span>df2 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'D', 'F', 'G', 'H'],\n ' points<\/span> ': [12, 29, 15, 19, 10]})\n\nprint<\/span> (df2)\n\n team points\n0 to 12\n1 D 29\n2 F 15\n3 G 19\n4:10 a.m.\n<\/span><\/span><\/strong><\/pre>\n #check if two DataFrames are equal<\/strong><\/span>\ndf1. equals<\/span> (df2)\n\nFalse<\/strong><\/span><\/pre>\n #perform outer join on two DataFrames\n<\/span>all_df = df1. merge<\/span> (df2, indicator= True<\/span> , how=' outer<\/span> ')\n\n#find which rows only exist in second DataFrame\n<\/span>only_df2 = all_df[all_df[' _merge<\/span> '] == ' right_only<\/span> ']\nonly_df2 = only_df2. drop<\/span> (' _merge<\/span> ', axis= 1<\/span> )\n\n#view results\n<\/span>print<\/span> (only_df2)\n\n team points\n5 F 15\n6 G 19\n7:10 a.m.<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Pandas: Zeilen abrufen, die sich nicht in einem anderen DataFrame befinden<\/a>
Pandas: So \u00fcberpr\u00fcfen Sie, ob mehrere Spalten gleich sind<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"