Question

我正在研究数据比较项目。这里我有2个excel文件＆＃39; Prod1＆＃39;和＆＃39; Proj1＆＃39;我在python中导入的数据帧。两个数据框都有46个相同的列，标签相同。但是两个文件中的行数不同（例如，Prod1为100，而Proj1为110）。我想逐个单元格地比较并强调不匹配为“真实”。或者在另一个数据框中“错误”。哪个可以在excel中进一步导出。直到现在我能够读取文件，但在比较部分被击中。请帮助

import os

import pandas as pd

import numpy as np

import xlrd

os.getcwd()

os.chdir("C:\\Users\\desktop\\Python Project")

Prod1= pd.read_excel("Prod1.xls")

df1 = pd.read_excel('Prod1.xls', 'Prod1')

print(df1)

df2 = pd.read_excel('Proj1.xls', 'Proj1')

print(df2)

Answer 1

假设df2是较大的数据帧，正如您在解释中所说，调整大小以匹配df1：

>>> df1 = df1.reindex(index=df2.index)

然后打印以下内容：

>>> print(df1 == df2)

示例

# Define two Pandas Dataframes >>> df1 = pd.DataFrame(data={'col1': [1,2], 'col2': [3,4]}) >>> df2 = pd.DataFrame(data={'col1': [1,2,3], 'col2': [3,4,5]}) >>> df1 col1 col2 0 1 3 1 2 4 >>> df2 col1 col2 0 1 3 1 2 4 2 3 5

Dataframes的大小故意不匹配，因此如果您尝试执行以下操作：

>>> print(df1 == df2)

您会看到如下错误：

ValueError: Can only compare identically-labeled DataFrame objects

为了比较两者，使用较大的Dataframe df2的索引（这描述了应用于每一行的标签），我们用它来重新定义df1的索引。请注意，这仅适用于两个数据集使用相同索引的情况。

>>> df1 = df1.reindex(index=df2.index) >>> df1 col1 col2 0 1.0 3.0 1 2.0 4.0 2 NaN NaN

现在，如果您尝试比较它们，您将看到以下内容：

>>> print(df1 == df2) col1 col2 0 True True 1 True True 2 False False

Answer 2

这是您想要的方法，首先让我们重新创建两个数据帧：

import itertools
import pandas as pd
import numpy as np

np.random.seed(1234)

df1 = pd.DataFrame(np.random.randint(0,2,size=(2,2)),columns=list('AB'))
df2 = pd.DataFrame(np.random.randint(0,2,size=(4,2)),columns=list('AB'))

Df1，Df2：

   A  B       A  B
0  1  1    0  0  0       # False
1  0  1    1  0  1       # True
           2  1  1       # False
           3  1  1       # False

现在我们通过将值压缩在一起来逐行比较这些数据帧，并确保所有.all()值都相同。

[(a==b).all() for a,b in itertools.zip_longest(df1.values, df2.values)]

或没有izip_longest：

[(a==b).all() for a,b in zip(df1.values, df2.values)]+[False]*abs(len(df2)-len(df1))

输出是：

[False, True, False, False]

比较从excel

2 个答案: