pandas.DataFrame.compare#

DataFrame.compare(other, align_axis=1, keep_shape=False, keep_equal=False)[源代码]#

与另一个DataFrame进行比较并显示差异。

1.1.0 新版功能.

参数

otherDataFrame

要与之比较的对象。

align_axis{0或‘index’，1或‘Columns’}，默认为1

确定要将比较与哪个轴对齐。

0，或‘index’由此产生的差异垂直堆叠在一起
其中的行交替地从自己和他人中画出。
1，或‘列’产生的差异是水平对齐的
其中的柱子交替地从自己和他人绘制。

keep_shape布尔值，默认为False

如果为True，则保留所有行和列。否则，只保留具有不同值的那些。

keep_equal布尔值，默认为False

如果为True，则结果将保留相等的值。否则，相等的值显示为NAN。

退货

DataFrame

显示并排堆叠的差异的DataFrame。

生成的索引将是一个多重索引，在内部级别交替堆叠“self”和“Other”。

加薪

ValueError: 当两个DataFrame不具有相同的标签或形状时。

参见

Series.compare: 与其他系列进行比较并显示不同之处。
DataFrame.equals: 测试两个对象是否包含相同的元素。

注意事项

匹配的NAN不会显示为不同。

只能比较相同标签(即相同形状、相同行和列标签)的DataFrame

示例

>>> df = pd.DataFrame(
...     {
...         "col1": ["a", "a", "b", "b", "a"],
...         "col2": [1.0, 2.0, 3.0, np.nan, 5.0],
...         "col3": [1.0, 2.0, 3.0, 4.0, 5.0]
...     },
...     columns=["col1", "col2", "col3"],
... )
>>> df
  col1  col2  col3
0    a   1.0   1.0
1    a   2.0   2.0
2    b   3.0   3.0
3    b   NaN   4.0
4    a   5.0   5.0

>>> df2 = df.copy()
>>> df2.loc[0, 'col1'] = 'c'
>>> df2.loc[2, 'col3'] = 4.0
>>> df2
  col1  col2  col3
0    c   1.0   1.0
1    a   2.0   2.0
2    b   3.0   4.0
3    b   NaN   4.0
4    a   5.0   5.0

在列上对齐差异

>>> df.compare(df2)
  col1       col3
  self other self other
0    a     c  NaN   NaN
2  NaN   NaN  3.0   4.0

将差异按行堆叠

>>> df.compare(df2, align_axis=0)
        col1  col3
0 self     a   NaN
  other    c   NaN
2 self   NaN   3.0
  other  NaN   4.0

保持相同的价值

>>> df.compare(df2, keep_equal=True)
  col1       col3
  self other self other
0    a     c  1.0   1.0
2    b     b  3.0   4.0

保留所有原始行和列

>>> df.compare(df2, keep_shape=True)
  col1       col2       col3
  self other self other self other
0    a     c  NaN   NaN  NaN   NaN
1  NaN   NaN  NaN   NaN  NaN   NaN
2  NaN   NaN  NaN   NaN  3.0   4.0
3  NaN   NaN  NaN   NaN  NaN   NaN
4  NaN   NaN  NaN   NaN  NaN   NaN

保留所有原始行和列以及所有原始值

>>> df.compare(df2, keep_shape=True, keep_equal=True)
  col1       col2       col3
  self other self other self other
0    a     c  1.0   1.0  1.0   1.0
1    a     a  2.0   2.0  2.0   2.0
2    b     b  3.0   3.0  3.0   4.0
3    b     b  NaN   NaN  4.0   4.0
4    a     a  5.0   5.0  5.0   5.0

pandas.DataFrame.combine_first

pandas.DataFrame.convert_dtypes