Question

我有两个不同的数据框，我想比较df A中每一行的一些列

数据框A：

M_ID From To M_Type    T_Type  T_Length T_Weight #Trucks Loading_Time
1025 A    B  Boxes     Open    12-Tyre  22       3       27-March-2019 6:00PM
1029 C    D  Cylinders Trailer High     23       2       28-March-2019 6:00PM
1989 G    H  Scrap     Open    14-Tyre  25       5       26-March-2019 9:00PM

数据框B

 T_ID From To T_Type  T_Length T_Weight #Trucks  Price
6569  A    B  Open    12-Tyre  22       5        1500
8658  G    H  Open    14-Tyre  25       4        1800
4595  A    B  Open    12-Tyre  22       3        1400
1252  A    B  Trailer Low      28       5        2000
7754  C    D  Trailer High     23       4        1900
3632  G    H  Open    14-Tyre  25       10       2000
6521  C    D  Trailer High     23       8        1700
8971  C    D  Open    12-Tyre  22       8        1200
4862  G    H  Trailer High     25       15       2200

我想比较A和B的某些列，即“发件人，收件人，T_Type，T_length，T_Weight，＃Trucks”

两个数据帧的“从，到，T_类型，T_长度，T_重量”必须相等，但B [#Trucks]> = A [#Trucks]，并且当此条件为true时，应按价格对匹配项进行排序并创建一个具有这样的M_ID和T_ID的新数据框

Datframe结果

Manufacturer   Best_match  Second_best_match 
1025           4595        6569
1029           6521        7754
1989           3632         -

Answer 1

您可以尝试：

dfc = pd.merge(dfa, dfb, on=['From', 'To', 'T_Type', 'T_Length', 'T_Weight'], how='inner')

dfc.drop(['From', 'To', 'M_Type', 'T_Weight', 'T_Length', 'Loading_Time', 'T_Type'], axis = 1,inplace=True)
dfc = dfc[dfc['#Trucks_y'] >= dfc['#Trucks_x']].drop(['#Trucks_y', '#Trucks_x'], axis=1)
dfc.rename(columns={"M_ID": "Manufacturer", "T_ID": "BestMatches"}, inplace=True)
dfc = dfc.groupby(['Manufacturer', 'Price'])['BestMatches'].agg('first').reset_index().drop(['Price'], axis = 1)

dfc = dfc.groupby(['Manufacturer'])['BestMatches'].agg(list).reset_index()
dfd = dfc['BestMatches'].apply(pd.Series)
dfc.drop(["BestMatches"],axis = 1,inplace = True)
dfc = dfc.join(dfd).fillna('-')

print(dfc)

输出：

   Manufacturer       0       1
0          1025  4595.0  6569.0
1          1029  6521.0  7754.0
2          1989  3632.0       -

Answer 2

如果要检查某一列上的相等值，例如说名称，可以将两个数据框合并为一个新的数据框：

mergedStuff = pd.merge(df1, df2, on=['Name'], how='inner')
mergedStuff.head()

如果您有大数据集，我认为这比where更有效，更快捷

如果您希望获得差异，可以执行以下操作：

此方法df1 != df2仅适用于具有相同行和列的数据帧。实际上，所有数据帧轴都使用_indexed_same方法进行了比较，如果发现差异（即使是按列/索引的顺序），也会引发异常。

如果我说对了，您不想发现更改，而是希望找到对称的差异。为此，一种方法可能是连接数据帧：

>>> df = pd.concat([df1, df2])
>>> df = df.reset_index(drop=True)

分组依据

>>> df_gpby = df.groupby(list(df.columns))

获取唯一记录的索引

>>> idx = [x[0] for x in df_gpby.groups.values() if len(x) == 1]

比较两个数据框的列并创建一个新的数据框

2 个答案: