Question

我有一个如下所示的熊猫数据框：

我想获得其2007年的PIB少于2002年的国家，但是我无法编写仅使用内置方法的Pandas而不使用python迭代或类似方法来做到这一点的代码。我得到的最多是以下行：

df[df[df.year == 2007].PIB < df[df.year == 2002].PIB].country

但是我收到以下错误消息：

ValueError: Can only compare identically-labeled Series objects

直到现在，我只使用Pandas来过滤来自不同列的数据，但是我不知道如何比较同一列的数据，在这种情况下是年份。欢迎任何支持。

Answer 1

我建议创建Series，其索引为country列，但是对于具有相同索引值的比较系列，在2007和2002中必须有相同数量的国家/地区：

df = pd.DataFrame({'country': ['Afganistan', 'Zimbabwe', 'Afganistan', 'Zimbabwe'],
                  'PIB': [200, 200, 100, 300], 
                  'year': [2002, 2002, 2007, 2007]})
print (df)
      country  PIB  year
0  Afganistan  200  2002
1    Zimbabwe  200  2002
2  Afganistan  100  2007
3    Zimbabwe  300  2007

df = df.set_index('country')
print (df)
            PIB  year
country              
Afganistan  200  2002
Zimbabwe    200  2002
Afganistan  100  2007
Zimbabwe    300  2007

s1 = df.loc[df.year == 2007, 'PIB'] 
s2 = df.loc[df.year == 2002, 'PIB']
print (s1)
country
Afganistan    100
Zimbabwe      300
Name: PIB, dtype: int64

print (s2)
country
Afganistan    200
Zimbabwe      200
Name: PIB, dtype: int64

countries = s1.index[s1 < s2]
print (countries)
Index(['Afganistan'], dtype='object', name='country')

另一个想法是先绕过DataFrame.pivot，然后再按年查看列，然后与boolean indexing中的索引进行比较：

df1 = df.pivot('country','year','PIB')
print (df1)
year        2002  2007
country               
Afganistan   200   100
Zimbabwe     200   300

countries = df1.index[df1[2007] < df1[2002]]
print (countries)
Index(['Afganistan'], dtype='object', name='country')

Answer 2

我的策略是使用数据透视表。假设没有两行具有相同的对（“国家”，“年”）。在此假设下，aggfunc=np.sum代表唯一的PIB值。

table = pd.pivot_table(df, values='PIB', index=['country'],
                    columns=['year'], aggfunc=np.sum)[[2002,2007]]
list(table[table[2002] > table[2007]].index)

pivot_table看起来像这样：

Answer 3

尝试以下操作（考虑到您只需要这些国家/地区的列表）：

[i for i in df.country if df[(df.country==i) & (df.year==2007)].PIB.iloc[0] < df[(df.country==i) & (df.year==2002)].PIB.iloc[0]]

Answer 4

这是我的数据框：

df = pd.DataFrame([
    {"country": "a", "PIB": 2, "year": 2002},
    {"country": "b", "PIB": 2, "year": 2002},
    {"country": "a", "PIB": 1, "year": 2007},
    {"country": "b", "PIB": 3, "year": 2007},
])

如果我过滤2002年和2007年这两年的话，我就知道了。

df_2002 = df[df["year"] == 2007]
out : 
  country  PIB  year
0       a    2  2002
1       b    2  2002

df_2007 = df[df["year"] == 2007]
out : 
  country  PIB  year
2       a    1  2007
3       b    3  2007

您想比较每个国家的PIB的发展情况。

Pandas没有意识到这一点，它尝试比较值，但此处基于相同的索引。女巫不是您想要的，并且不可能，因为索引不同。

因此，您只需要使用set_index()

df.set_index("country",  inplace=True)
df_2002 = df[df["year"] == 2007]
out : 
         PIB  year
country           
a          1  2007
b          3  2007

df_2007 = df[df["year"] == 2007]
out : 
         PIB  year
country           
a          2  2002
b          2  2002

现在您可以进行比较

df_2002.PIB > df_2007.PIB
out:
country
a     True
b    False
Name: PIB, dtype: bool

# to get the list of countries
(df_2002.PIB > df_2007.PIB)[res == True].index.values.tolist()
out : 
['a']

如何比较数据框中同一列的数据（熊猫）

4 个答案: