Question

我在这里尝试了所有解决方案： Pandas "Can only compare identically-labeled DataFrame objects" error

没有为我工作。这就是我所拥有的。我有两个数据帧。一个是系统中已存在的一组财务数据，另一个是系统中可能存在或可能不存在的一些财务数据。我需要找到差异并添加不存在的东西。

以下是代码：

onPostExecute(...)

失败的代码是最后一行。我正在撰写一篇关于确定数据框之间差异的文章。

我检查了所有列上的dtypes，它们看起来是一样的。我也做了一个并排输出，我排序了轴，索引，删除了索引等。仍然得到那个血腥的错误。

这是现有数据和数据

的第一行的输出

import pandas as pd
import numpy as np
from azure.storage.blob import AppendBlobService, PublicAccess, ContentSettings
from io import StringIO

dataUrl = "http://ichart.finance.yahoo.com/table.csv?s=MSFT"
blobUrlBase = "https://pyjobs.blob.core.windows.net/"
data = pd.read_csv(dataUrl)

abs = AppendBlobService(account_name='pyjobs', account_key='***')
abs.create_container("stocks", public_access = PublicAccess.Container)
abs.append_blob_from_text('stocks', 'msft', data[:25].to_csv(index=False))
existing = pd.read_csv(StringIO(abs.get_blob_to_text('stocks', 'msft').content))

ne = (data != existing).any(1)

以下是我收到的确切错误：

>>> existing[:1]
         Date       Open   High    Low  Close    Volume  Adj Close
0  2016-05-27  51.919998  52.32  51.77  52.32  17653700      52.32
>>> data[:1]
         Date       Open   High    Low  Close    Volume  Adj Close
0  2016-05-27  51.919998  52.32  51.77  52.32  17653700      52.32

Answer 1

如果要比较2个数据帧。使用.eq（）,. nq（），gt（）等方法检查Pandas中的灵活比较... - ＆gt;等于，不等于，然后更大。

示例：

df['new_col'] = df.gt(df_1)

http://pandas.pydata.org/pandas-docs/stable/basics.html#flexible-comparisons

Answer 2

复制一些虚假数据以实现删除重复项的最终目标。请注意，这不是原始问题的答案，但答案是我试图做的事情导致了这个问题。

b = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']},
                    index=[4, 5, 6, 7])


c = pd.DataFrame({'A': ['A7', 'A8', 'A9', 'A10', 'A11'],
                  'A': ['A7', 'A8', 'A9', 'A10', 'A11'],
                  'B': ['B7', 'B8', 'B9', 'B10', 'B11'],
                  'C': ['C7', 'C8', 'C9', 'C10', 'C11'],
                  'D': ['D7', 'D8', 'D9', 'D10', 'D11']},
                   index=[7, 8, 9, 10, 11])

result = pd.concat([b,c])
idx = np.unique(result["A"], return_index=True)[1]
result.iloc[idx].sort()

Answer 3

为了解决这个问题，你想要比较底层的numpy数组。

import pandas as pd

df1 = pd.DataFrame([[1, 2], [3, 4]], columns=['A', 'B'], index=['One', 'Two'])
df2 = pd.DataFrame([[1, 2], [3, 4]], columns=['a', 'b'], index=['one', 'two'])


df1.values == df2.values

array([[ True,  True],
       [ True,  True]], dtype=bool)

Python Pandas只比较标记相同的DataFrame对象

3 个答案: