Question

我有两个不同的pandas数据帧。一个被称为'价格'，它有模式

SKU, price

第二个数据框称为sales_tracking，其中包含有关给定价格的SKU销售数量的信息。它的架构是

SKU, price, total_orders, total_visits

但是当我们在'price'数据框中为SKU添加新的价格点时，'sales_tracking'数据框中将没有匹配的记录，此时我必须向'sales_tracking'数据框，其中total_orders和total_visits是从另一个数据集估算的（我们这样做是为了估算转换率）。

我遇到的问题是能够检查定价数据框中的价格值是否也存在于sales_tracking数据框中。在进行比较之前，我首先为定价数据和销售数据创建临时数据框，如下所示：

sku_specific_sales_records = sales_tracking[sales_tracking['product']==product]

sku_specific_price = sku_specific_price [sku_specific_price ['product']==product]

要清楚，sku_specific_sales_records和sku_specific_price都可能包含多条记录。我试图找出sku_specific_price中有一行的情况，其中sku_specific_price ['price']不在sku_specific_sales_records ['price']中。

我尝试了各种不同的东西。像

这样简单的东西

if sku_specific_sales_records['price'] == sku_specific_price['price']:

不起作用，我得到一个ValueError“只能比较同名的Series对象”。所以我也试过了

if sku_specific_price['price'].isin(sku_specific_sales_records['price']):
   doTheThingIfTheyMatch
else:
   doTheOtherThing

这会产生一个不同的ValueError：“系列的真值是不明确的。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。所以我尝试使用a.bool（）

if sku_specific_price['price'].isin(sku_specific_sales_records['price']).bool():
   doTheThingIfTheyMatch
else:
   doTheOtherThing

但是这让我回到了“ValueError：只能比较同名标记的系列对象”。

这是一个说明问题的小例子。

import pandas as pd
sales = pd.DataFrame(columns={'product', 'price', 'sales', 'orders'})
pricing = pd.DataFrame(columns={'product', 'price'})
sales.loc[0] = [123, 10, 5, 5]
sales.loc[1] = [123, 15, 2, 10]
pricing.loc[0] = [123, 8]
if sales['price'].isin(pricing['price']):
    print "true"
else:
    print "false"

Answer 1

在python中，您需要在评估比较时使用==代替=。

这是因为=是赋值运算符，所以它不能用于比较。

试试这个：

if sku_specific_sales_records['price'] == sku_specific_price['price']:

注意：它还建议使用短（呃）变量名，因为错别字的可能性更小，而且输入速度更快。

Answer 2

所以解决方案似乎是用.any（）替换.bool（），如下所示

import pandas as pd
sales = pd.DataFrame(columns={'product', 'price', 'sales', 'orders'})
pricing = pd.DataFrame(columns={'product', 'price'})
sales.loc[0] = [123, 10, 5, 5]
sales.loc[1] = [123, 15, 2, 10]
pricing.loc[0] = [123, 8]
if sales['price'].isin(sales['price']).any() 
    print "true"
else:
    print "false"

.bool（）不起作用，因为.bool（）仅适用于单个元素，即标量值。我试图用它来检查一个系列中的值是否在另一个系列中，所以即使我的销售数据框只包含一行，销售数据框也可能包含多行。 .any（）或.all（）定义必须满足哪些条件才能使比较成为真。

例如，我想知道我们是否在销售中不存在特定SKU的定价行（例如新的定价点），在这种情况下我会使用将pandas导入为pd sales.loc [0] = [123,10,5,5] sales.loc [1] = [123,15,2,10] pricing.loc [0] = [123,8] pricing.loc [1] = [123,10] pricing.loc [2] = [123,15] 打印销售打印定价打印销售['价格'] 打印定价['价格'] 如果定价['price']。isin（sales ['price']）。all（）：打印“真实” 其他：打印“假”

因为我需要将定价['price']中的所有值与sales ['price']匹配。如果我只需要一个匹配值，那么我会使用.any（）。

如何在两个不同的pandas数据帧中相互比较值

2 个答案: