Question

我将要比较4个数据帧，每个数据帧看起来像

ID    Jan    Feb    Mar
1     True   True   False
2     True   True   True
3     False  False  False

2到3000行。它们将具有完全相同的列名，但可能并不总是共享所有相同的索引ID。

我想要做的是比较它们并根据它们的值生成新的数据帧。对于在至少一个数据帧中为False的任何单元格，我想为其分配一个字符串（例如“Dataframe1中的False”），如果是多个，则追加两者（例如“Dataframe1中的False，Dataframe2”）。

输出看起来像

ID    Jan            Feb              Mar
1     True           True             False in A, B, C
2     True           False in B       True
3     False in A     False in A, B    False in A

我可以使用哪种直接数据帧进行数据帧比较？或者我是否需要连接数据帧以便我可以相互比较列？

编辑 - 对于一个数据帧没有相同记录的情况，我不希望逐行比较，而是基于索引。

Answer 1

非常接近，你想要什么：

import pandas as pd
import numpy as np
import io

#testing df1,df2,df3
temp=u"""ID,Jan,Feb,Mar
1,True,True,False
2,True,True,True
3,False,False,False"""
df3 = pd.read_csv(io.StringIO(temp), sep=",", index_col=[0])
print df3
temp1=u"""ID,Jan,Feb,Mar
1,True,False,False
2,False,True,True
3,False,True,True"""
df1 = pd.read_csv(io.StringIO(temp1), sep=",", index_col=[0])
print df1
temp2=u"""ID,Jan,Feb,Mar
1,False,False,False
2,False,False,True
3,False,True,True"""
df2 = pd.read_csv(io.StringIO(temp2), sep=",", index_col=[0])
print df2

#concat all dataframes by columns
pieces = {'df1': df1, 'df2': df2, 'df3': df3}
df = pd.concat(pieces, axis=1)
print df

#create new dataframe with size as df filled by column names
levels = df.columns.levels
labels = df.columns.labels
xyz = pd.DataFrame( np.array(levels[0][labels[0]].tolist()*len(df.index)).reshape((len(df.index), len(df.index)*len(pieces))), index=df.index, columns = df.columns)
print xyz

#reset multicolumn to column
xyz.columns = levels[1][labels[1]]
df.columns = levels[1][labels[1]]

#use df as mask - output names of df with False
print xyz.mask(df)

#use df as mask - output names of df with True
out_false =  xyz.mask(df)
print out_false

out_true =  xyz.mask(~df)
print out_true

#create output empty df - for False and for True values
result_false = result_true = pd.DataFrame(index = out_false.index)

#group output dataframe by columns and create new df from series - for False and for True values
for name, group in out_false.groupby(level=0, axis=1):
    #print name
    series = pd.Series(group.apply(lambda x: ','.join(map(str, x.dropna())), axis=1), name=name)
    print
    print series
    result_false = pd.concat([result_false, series], axis=1) 
print result_false   
#        Feb          Jan          Mar
#ID                                   
#1   df1,df2          df2  df1,df2,df3
#2       df2      df1,df2             
#3       df3  df1,df2,df3          df3 

for name, group in out_true.groupby(level=0, axis=1):
    #print name
    series = pd.Series(group.apply(lambda x: ','.join(map(str, x.dropna())), axis=1), name=name)
    result_true = pd.concat([result_true, series], axis=1) 
print result_true  
#        Feb      Jan          Mar
#ID                               
#1       df3  df1,df3             
#2   df1,df3      df3  df1,df2,df3
#3   df1,df2               df1,df2

比较Pandas Dataframes的布尔值 - 返回字符串

1 个答案: