使用Pandas 2比较两列 [英] Compare two columns using pandas 2

问题描述

我正在比较数据框中的两列（A和B）。我有一种有效的方法（C5）。它来自以下问题：

解决方案

使用：

  df = pd.DataFrame（{'A'：[ 1,1,1,1,1,2,2,2,2,2]，
'B'：[1,1,1,1,1,1,0,0,0,0] }）
  

因此对于 C1 和 C2 需要按 == 或 eq 表示布尔掩码，然后将其转换为整数-正确，错误至 1,0 ：

  df ['C1'] =（df ['A'] == df ['B']）。astype（int）
 df ['C2'] = df ['A' ] .eq（df ['B']）。astype（int）
  

此处是必要的变更单 1,0 -对于匹配条件需要 1 ：

  df ['C3'] = np.where（（（df ['A'] == df ['B']），1,0）
  

函数中未选择Series的值，缺少 row ：

  def fun（row）：
如果row ['A'] == row ['B' ]：
返回1 
其他：
返回0 
 df ['C4'] = df.apply（fun，axis = 1）
  

解决方案正确：

  df [ 'C5'] = df.apply（lambda x：如果x ['A'] == x ['B']否则为0，轴= 1）
打印（df）
 AB C1 C2 C3 C4 C5 
 0 1 1 1 1 1 1 1 
 1 1 1 1 1 1 1 1 
 2 1 1 1 1 1 1 1 
 3 1 1 1 1 1 1 1 
 4 1 1 1 1 1 1 1 
 5 2 1 0 0 0 0 
 6 2 0 0 0 0 0 0 
 7 2 0 0 0 0 0 0 
 8 2 0 0 0 0 0 0 
 9 2 0 0 0 0 0 0 
  

I'm comparing two columns in a dataframe (A & B). I have a method that works (C5). It came from this question: Compare two columns using pandas

I wondered why I couldn't get the other methods (C1 - C4) to give the correct answer:

df = pd.DataFrame({'A': [1,1,1,1,1,2,2,2,2,2],
                   'B': [1,1,1,1,1,1,0,0,0,0]})

#df['C1'] = 1 [df['A'] == df['B']]

df['C2'] = df['A'].equals(df['B'])

df['C3'] = np.where((df['A'] == df['B']),0,1)

def fun(row):
    if ['A'] == ['B']:
        return 1
    else:
        return 0
df['C4'] = df.apply(fun, axis=1)

df['C5'] = df.apply(lambda x : 1 if x['A'] == x['B'] else 0, axis=1)

解决方案

Use:

df = pd.DataFrame({'A': [1,1,1,1,1,2,2,2,2,2],
                   'B': [1,1,1,1,1,1,0,0,0,0]})

So for C1 and C2 need compare columns by == or eq for boolean mask and then convert it to integers - True, False to 1,0:

df['C1'] = (df['A'] == df['B']).astype(int)
df['C2'] = df['A'].eq(df['B']).astype(int)

Here is necessary change order 1,0 - for match condition need 1:

df['C3'] = np.where((df['A'] == df['B']),1,0)

In function is not selected values of Series, missing row:

def fun(row):
    if row['A'] == row['B']:
        return 1
    else:
        return 0
df['C4'] = df.apply(fun, axis=1)

Solution is correct:

df['C5'] = df.apply(lambda x : 1 if x['A'] == x['B'] else 0, axis=1)
print (df)
   A  B  C1  C2  C3  C4  C5
0  1  1   1   1   1   1   1
1  1  1   1   1   1   1   1
2  1  1   1   1   1   1   1
3  1  1   1   1   1   1   1
4  1  1   1   1   1   1   1
5  2  1   0   0   0   0   0
6  2  0   0   0   0   0   0
7  2  0   0   0   0   0   0
8  2  0   0   0   0   0   0
9  2  0   0   0   0   0   0

这篇关于使用Pandas 2比较两列的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！