Bagaimana membandingkan dua dataframes di pandas

Seringkali, Anda mungkin tertarik untuk membandingkan nilai antara dua panda DataFrames untuk menemukan persamaan dan perbedaannya.

Tutorial ini menjelaskan cara melakukannya.

Contoh: Membandingkan dua DataFrame di Pandas

Misalkan kita mempunyai dua panda DataFrames berikut, yang masing-masing berisi data empat pemain bola basket:

 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

Contoh 1: Cari tahu apakah kedua DataFrame itu sama.

Pertama-tama kita dapat mengetahui apakah kedua DataFrame identik menggunakan fungsi DataFrame.equals() :

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

False

Kedua DataFrame tidak berisi nilai yang sama persis, sehingga fungsi ini mengembalikan False dengan benar.

Contoh 2: Temukan perbedaan statistik pemain antara kedua DataFrame.

Kita dapat menemukan perbedaan antara assist dan poin masing-masing pemain menggunakan fungsi pandas subtract() :

 #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

Cara menafsirkannya adalah:

• Pemain A memiliki jumlah poin yang sama di kedua DataFrame, namun dia mendapat 3 assist lebih banyak di DataFrame 2.
• Pemain B memperoleh 9 poin lebih banyak dan 2 assist lebih banyak di DataFrame 2 dibandingkan dengan DataFrame 1.
• Pemain C memperoleh 9 poin lebih banyak dan 3 assist lebih banyak di DataFrame 2 dibandingkan dengan DataFrame 1.
• Pemain D mendapat 5 poin lebih banyak dan 5 assist lebih banyak di DataFrame 2 dibandingkan dengan DataFrame 1.

Contoh 3: Temukan semua baris yang hanya ada dalam satu DataFrame.

Kita dapat menggunakan kode berikut untuk mendapatkan daftar lengkap baris yang hanya muncul dalam satu DataFrame:

 #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

Dalam hal ini, kedua DataFrame tidak berbagi baris yang sama, sehingga ada total 8 baris yang hanya muncul di salah satu DataFrame.

Kolom berlabel “Ada” dengan mudah memberi tahu kita di DataFrame mana setiap baris muncul secara unik.