Question

hsp.loc[hsp['Len_old'] == hsp['Len_new']]

我尝试使用此代码，它正在运行。

但我尝试了这些树

hsp.loc[hsp['Type_old'] == hsp['Type_new']] 
hsp.loc[hsp['Type_old'] != hsp['Type_new']] 
hsp.loc[hsp['Len_old'] != hsp['Len_new']]

他们没有工作。

我的数据表hsp就像

id  Type_old  Type_new  Len_old  Len_new
1    Num       Num       15       15
2    Num       Char      12       12
3    Char      Num       10       8
4    Num       Num       4        5
5    Char      Char      9        10

是否有更好的方法来选择两列不是排队的行。

Answer 1

使用补充operator（~）

hsp.loc[~(hsp['Type_old'] == hsp['Type_new'])]

给出：

   id Type_old Type_new  Len_old  Len_new
1   2      Num     Char       12       12
2   3     Char      Num       10        8

在处理布尔运算时，补码运算符是用True

反转False的便捷方式

Answer 2

比较==

时，!=与pd.Series混淆的方法

正如所料

df[['Len_old', 'Len_new']].assign(NE=df.Len_old != df.Len_new)

   Len_old  Len_new     NE
0       15       15  False
1       12       12  False
2       10        8   True
3        4        5   True
4        9       10   True

但是，如果其中一个列的值是字符串！

df[['Len_old', 'Len_new']].assign(NE=df.Len_old.astype(str) != df.Len_new)

   Len_old  Len_new    NE
0       15       15  True
1       12       12  True
2       10        8  True
3        4        5  True
4        9       10  True

确保两者的类型相同。

Answer 3

正如 piRSquared 所说，您的代码存在类型问题。

除此之外，您还可以使用比较方法，在本例中为 pd.Series.ne

使用您的数据：

hsp.loc[hsp['Type_old'].ne(hsp['Type_new'])]

但同样，正如 piRSquared 提到的，由于 dtypes 它不起作用。以防万一，您必须注意数据中的 NaN/None 值...例如：

hsp.loc[ ( hsp['Type_old'].ne(hsp['Type_new']) ) && (hsp['Type_old'].notna())]

在这种情况下，.ne 有另一个参数 fill_value，用于填充缺失的数据。

此外，您可以使用“比较”方法来显示两个系列（或 DataFrames）之间的差异

hsp.Len_old.compare(hsp.Len_new)

它可能会返回（如果列的数据类型相同）：

   self  other
2  10.0    8.0
3   4.0    5.0
4   9.0   10.0

但只是强制使用另一个 dtype：

hsp.Len_old.compare(hsp.Len_new.astype('str')) # string type new column

它将返回所有行：

python pandas选择两列（非）相等的行。

3 个答案: