Question

我有两个数据集，我试图根据唯一ID仅比较一列。我想跟踪并标记该列中的所有值更改，并将这些更改输出到另一个DF。

DF1：

ID      Status
1234    Cleared
4321    Pending
5678    Distributed
8765    Validating
2468    Blocked
8642    Pending
1357    Pending
7531    Distributed

DF2：

ID      Status
1234    Distributed
4321    Pending
5678    Pending
8765    Cleared
2468    Blocked
8642    Blocked
1357    Cleared
7531    Blocked

输出：

ID      Status       Status
1234    Cleared      Distributed
5678    Distributed  Pending
8765    Validating   Cleared
8642    Pending      Blocked
1357    Pending      Cleared
7531    Distributed  Blocked

最后，我也试图根据状态列的更改来查看另一列的任何更改。此列包含使用标准ISO Alpha-2国家/地区代码的国家/地区列表。我想在这里进行简单的字符计数，但这没有意义，因为如果将US删除并替换为DE，则字符计数将保持不变。

我为所有这些代码（从此处的其他问题改编而成）如下，但我觉得可能有一种更有效的方法...

for index, compare_row in compare_df.iterrows():
row_df1 = df1.loc[df1['ID'] == compare_row['ID']]    
row_df2 = df2.loc[df2['ID'] == compare_row['ID']]    
if (row_df1.iloc[0]['Status'] != row_df2.iloc[0]['Status']):
    print "here 1"
    output_df.append(row_df1)
    output_df.append(row_df2)
elif (row_df1.iloc[0]['Status'] in ['Cleared', 'Distributed']) & (row_df1.iloc[0]['Territory'] != row_df2.iloc[0]['Territory']):
    print "here 2"
    output_df.append(row_df1)
    output_df.append(row_df2)

Answer 1

使用merge：

df3 = df1.merge(df2, left_index = True, right_index = True)
mask = df3['Status_x'] == df3['Status_y']
df3 = df3[~mask]

Answer 2

这可能不是最有效的方法，但至少可以达到目标。：）

df3 = df1.copy()
df3['Status_df2'] = df2.Status.copy()
df3 = df3.loc[df3.Status != df3.Status_df2]

Answer 3

使用.query可以提高可读性。

DF1.merge(DF2, on = 'ID').query('Status_x != Status_y')

输出：

     ID     Status_x     Status_y
0  1234      Cleared  Distributed
2  5678  Distributed      Pending
3  8765   Validating      Cleared
5  8642      Pending      Blocked
6  1357      Pending      Cleared
7  7531  Distributed      Blocked

比较熊猫中两个数据框中一列的差异

3 个答案: