Question

我有2个数据框：a和b。

当我运行print(a.shape, b.shape)时，得到以下结果：(1, 28849) (44, 29025)意味着b比a具有更多的列。当我运行b.columns.difference(a.columns)时，结果为空索引：（Index([], dtype='object'）。运行a.columns.difference(b.columns)时得到相同的结果。为什么数据框在形状上具有不同的列数，但它们之间没有任何不同的列？

Answer 1

为什么数据框在形状上具有不同的列数，但没有它们之间有不同的列吗？

空双向pd.Index.difference不能保证2个数据帧中的列相同。考虑以下示例：

A = pd.DataFrame(columns=[1, 1, 2, 3, 4])
B = pd.DataFrame(columns=[1, 2, 3, 4])

A.columns.difference(B.columns)  # Int64Index([], dtype='int64')
B.columns.difference(A.columns)  # Int64Index([], dtype='int64')

可以将

pd.Index.difference与set.difference进行比较，即它不考虑重复项。如果您明确打印列，则应该看到它们是不同的。

或者，要显式计算每个列名的计数，可以使用numpy.unique：

import numpy as np

print(np.unique(A.columns, return_counts=True))

(array([1, 2, 3, 4], dtype=int64), array([2, 1, 1, 1], dtype=int64))

熊猫：2个数据框具有不同的形状，但没有不同的列

1 个答案: