Drie kolommen in panda's vergelijken (met voorbeeld)

U kunt de volgende basissyntaxis gebruiken om de waarden van drie kolommen in panda’s te vergelijken:

 df[' all_matching '] = df. apply ( lambda x: x.col1 == x.col2 == x.col3 , axis = 1 )

Met deze syntaxis wordt een nieuwe kolom gemaakt met de naam all_matching , die True retourneert als alle kolommen overeenkomende waarden hebben, en anders False retourneert.

Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.

Voorbeeld: Vergelijk drie kolommen in Panda’s

Stel dat we de volgende panda’s DataFrame hebben met drie kolommen:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' A ': [4, 0, 3, 3, 6, 8, 7, 9, 12],
                   ' B ': [4, 2, 3, 5, 6, 4, 7, 7, 12],
                   ' C ': [4, 0, 3, 5, 5, 10, 7, 9, 12]})

#view DataFrame
print (df)

    ABC
0 4 4 4
1 0 2 0
2 3 3 3
3 3 5 5
4 6 6 5
5 8 4 10
6 7 7 7
7 9 7 9
8 12 12 12

We kunnen de volgende code gebruiken om een nieuwe kolom te maken met de naam all_matching , die True retourneert als alle drie de kolommen in een bepaalde rij overeenkomen en False als dat niet het geval is:

 #create new column that displays whether or not all column values match
df[' all_matching '] = df. apply ( lambda x: x. A == x. B == x. C , axis = 1 )

#view updated DataFrame
print (df)

    ABC all_matching
0 4 4 4 True
1 0 2 0 False
2 3 3 3 True
3 3 5 5 False
4 6 6 5 False
5 8 4 10 False
6 7 7 7 True
7 9 7 9 False
8 12 12 12 True

De nieuwe kolom genaamd all_matching geeft aan of de waarden in de drie kolommen in een bepaalde rij wel of niet overeenkomen.

Bijvoorbeeld:

• Alle drie de waarden komen overeen in de eerste rij, dus True wordt geretourneerd.
• Niet alle waarden op de tweede regel komen overeen, dus False wordt geretourneerd.

Enzovoort.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in panda’s kunt uitvoeren:

Hoe kolommen te hernoemen in Pandas
Hoe u een kolom toevoegt aan een Pandas DataFrame
Hoe u de kolomvolgorde in Pandas DataFrame kunt wijzigen