Question

我有一个问题，我希望比较多个数据帧的值。这是一个片段示例：

data0 = [[1,'01-01'],[2,'01-02']]
data1 = [[11,'02-30'],[12,'02-25']]
data2 = [[8,'02-30'],[22,'02-25']]
data3 = [[7,'02-30'],[5,'02-25']]
df0 = pd.DataFrame(data0,columns=['Data',"date"])
df1 = pd.DataFrame(data1,columns=['Data',"date"])
df2 = pd.DataFrame(data2,columns=['Data',"date"])
df3 = pd.DataFrame(data3,columns=['Data',"date"])
result=(df0['Data']| df1['Data'])>(df2['Data'] | df3['Data'])

我希望可以看到的是，df0 rowX或df1 rowX中的值是否大于{{1} } df2或rowX df3返回rowX，否则应为True。在上面的代码中，false中的11大于8和7（分别为df2和3），因此结果应为True，然后对于第二行，2或12都不大于22（df2）所以应该是假。但是，结果给了我

df1

而不是

False,False

任何想法或帮助？

Answer 1

问题

对于您的数据：

>>> df0['Data']
0    1
1    2
Name: Data, dtype: int64
>>> df1['Data']
0    11
1    12
Name: Data, dtype: int64

您使用|进行按位：

>>> df0['Data']| df1['Data']
0    11
1    14
Name: Data, dtype: int64
>>> df2['Data']| df3['Data']
0    15
1    23
Name: Data, dtype: int64

为单个数字执行此操作：

>>> 1 | 11
11
>>> 2 | 12
14

这不是你想要的。

解决方案

您可以使用np.maximum查找每个系列中的最大值：

>>> np.maximum(df0['Data'], df1['Data']) > np.maximum(df2['Data'], df3['Data'])
0     True
1    False
Name: Data, dtype: bool

Answer 2

您现有的解决方案不起作用，因为|运算符对元素执行按位 OR运算。

df0.Data | df1.Data

0    11
1    14
Name: Data, dtype: int64

这会导致您将不同的值与数据框列中的值进行比较。总而言之，您的方法并不像您期望的那样比较价值。

您可以通过查找 -

来轻松完成此操作

每行df0和df1以及
每行df2和df3

比较这两列以检索结果 -

i = np.max([df0.Data, df1.Data], axis=0)
j = np.max([df2.Data, df3.Data], axis=0)

i > j
array([ True, False], dtype=bool)

这种方法对于任意数量的数据帧都具有极高的可扩展性。

布尔比较多个数据帧

2 个答案:

问题

解决方案