比较两个数据帧并获得差异 [英] Comparing two dataframes and getting the differences

问题描述

我有两个数据帧。示例：

  df1：
日期Fruit Num颜色
 2013-11-24香蕉22.1黄色
 2013-11-24橙色8.6橙色
 2013-11-24苹果7.6绿色
 2013-11-24芹菜10.2绿色
 
 df2：
日期水果Num颜色
 2013-11-24香蕉22.1黄色
 2013-11-24橙色8.6橙色
 2013-11-24苹果7.6绿色
 2013-11-24芹菜10.2绿色
 2013-11-25苹果22.1红色
 2013-11-25橙色8.6橙色
  

每个数据框都将Date作为索引。两个数据帧都具有相同的结构。

我想做什么，是比较这两个数据框，并查找df2中不在df1中的哪些行。我想比较日期（索引）和第一列（香蕉，APple等），看看它们是否存在于df2和df1中。

我已经尝试过以下：

• 并排输出两只熊猫数据帧中的差异 - 突出显示差异


• 比较两个熊猫数据框的差异

对于第一种方法，我得到这个错误： 异常：只能比较相同标记的DataFrame对象 。我已经尝试删除日期作为索引，但得到相同的错误。

在第三个方法，我得到断言返回False，但无法弄清楚如何实际看到不同的行。

任何指针都会受欢迎

解决方案

这种方法， df1！= df2 仅适用于具有相同行和列的数据帧。事实上，所有的数据框轴都与 _indexed_same 方法进行比较，如果发现差异，即使是列/索引顺序，也会引发异常。

如果我让你对，你不想找到变化，但对称的差异。为此，一种方法可能是连接数据框架：

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

group by

 >>> 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] 
  

过滤器

 >>> df.reindex（idx）
日期水果数字颜色
 9 2013-11-25橙色8.6橙色
 8 2013-11-25苹果22.1红色
  

I have two dataframes. Examples:

df1:
Date       Fruit  Num  Color 
2013-11-24 Banana 22.1 Yellow
2013-11-24 Orange  8.6 Orange
2013-11-24 Apple   7.6 Green
2013-11-24 Celery 10.2 Green

df2:
Date       Fruit  Num  Color 
2013-11-24 Banana 22.1 Yellow
2013-11-24 Orange  8.6 Orange
2013-11-24 Apple   7.6 Green
2013-11-24 Celery 10.2 Green
2013-11-25 Apple  22.1 Red
2013-11-25 Orange  8.6 Orange

Each dataframe has the Date as an index. Both dataframes have the same structure.

What i want to do, is compare these two dataframes and find which rows are in df2 that aren't in df1. I want to compare the date (index) and the first column (Banana, APple, etc) to see if they exist in df2 vs df1.

I have tried the following:

• Outputting difference in two pandas dataframes side by side - highlighting the difference
• Comparing two pandas dataframes for differences

For the first approach I get this error: "Exception: Can only compare identically-labeled DataFrame objects". I have tried removing the Date as index but get the same error.

On the third approach, I get the assert to return False but cannot figure out how to actually see the different rows.

Any pointers would be welcome

解决方案

This approach, df1 != df2, works only for dataframes with identical rows and columns. In fact, all dataframes axes are compared with _indexed_same method, and exception is raised if differences found, even in columns/indices order.

If I got you right, you want not to find changes, but symmetric difference. For that, one approach might be concatenate dataframes:

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

group by

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

get index of unique records

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

filter

>>> df.reindex(idx)
         Date   Fruit   Num   Color
9  2013-11-25  Orange   8.6  Orange
8  2013-11-25   Apple  22.1     Red

这篇关于比较两个数据帧并获得差异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！