Question

我在pandas数据框中有两列应该是相同的。每列都有许多NaN值。我想比较列，产生包含True / False值的第3列;列匹配时 True ，否则 False 。

这就是我所尝试的：

df['new_column'] = (df['column_one] == df['column_two'])

以上适用于数字，但不适用于NaN值。

我知道我可以用每行中没有意义的值替换NaN（对于我的数据，这可能是-9999），然后在我准备好回应比较时将其删除结果，但我想知道是否有更多的pythonic方法我忽略了。

Answer 1

或者你可以使用equals方法：

df['new_column'] = df['column_one'].equals(df['column_two'])

这是一种包含电池的方法，无论dtype还是细胞内容都可以使用。如果你愿意的话，你也可以把它放在循环中。

Answer 2

据我了解，Pandas认为NaN在元素方式相等和不平等比较方法上没有不同。比较整个Pandas对象（Series，DataFrame，Panel）时会这样做。

NaN值被认为是不同的（即NaN！= NaN）。 -source

基于元素的相等性声明.eq()

分别比较每行2列的值。这将返回一系列断言。

选项1 ：将.eq()方法与.fillna()链接。

df['new_column'] = df['column_one'].fillna('-').eq(df['column_two'].fillna('-'))

选项2：之后使用.loc()和.isna()替换NaN断言。

df['new_column'] = df['column_one'].eq(df['column_two'])
df.loc[test['column_one'].isna() & test['column_two'].isna(),'new_column'] = True

请注意，对于 column_one 和 column_two 中的源数据，这两个选项都是非破坏性的。值得一看的是《 Pandas》文档中的working with missing data指南。

基于对象的平等声明.equals()

将Pandas对象（Series，DataFrame，Panel）作为一个整体进行比较，将所有行及其顺序解释为一个值。这将返回一个布尔值（标量）。

df['column_one'].equals(df['column_two'])

Answer 3

您可以使用如下所示的循环，并且只要您的数据帧是否包含NAN，只要两列的格式相同，它都可以工作

def Check(df):
   if df['column_one']== df['column_two']:
      return "True"
   else:
      return "False" 

df['result'] = df.apply(Check, axis=1)
df

比较Pandas数据帧的列是否相等以产生True / False，甚至是NaN

3 个答案: