Come confrontare due dataframe in panda

Spesso potresti essere interessato a confrontare i valori tra due DataFrames panda per individuare le loro somiglianze e differenze.

Questo tutorial spiega come farlo.

Esempio: confronto di due DataFrame in Panda

Supponiamo di avere i seguenti due DataFrames panda, ciascuno dei quali contiene dati su quattro giocatori di 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

Esempio 1: Scopri se i due DataFrame sono uguali.

Possiamo innanzitutto scoprire se i due DataFrame sono identici utilizzando la funzione DataFrame.equals() :

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

False

I due DataFrames non contengono esattamente gli stessi valori, quindi questa funzione restituisce correttamente False .

Esempio 2: trova le differenze nelle statistiche del giocatore tra i due DataFrames.

Possiamo trovare le differenze tra gli assist e i punti di ciascun giocatore utilizzando la funzione 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

Il modo di interpretarlo è:

• Il giocatore A aveva lo stesso numero di punti in entrambi i DataFrame, ma aveva altri 3 assist in DataFrame 2.
• Il giocatore B ha ottenuto 9 punti in più e 2 assist in più in DataFrame 2 rispetto a DataFrame 1.
• Il giocatore C ha ottenuto 9 punti in più e 3 assist in più in DataFrame 2 rispetto a DataFrame 1.
• Il giocatore D ha ottenuto 5 punti in più e 5 assist in più in DataFrame 2 rispetto a DataFrame 1.

Esempio 3: trova tutte le righe che esistono solo in un singolo DataFrame.

Possiamo utilizzare il seguente codice per ottenere un elenco completo di righe che appaiono solo in un singolo 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

In questo caso, i due DataFrames non condividono righe identiche, quindi ci sono 8 righe in totale che appaiono solo in uno dei DataFrames.

La colonna denominata “Esiste” ci dice convenientemente in quale DataFrame appare ogni riga in modo univoco.