pandas.DataFrame.le#

DataFrame.le(other, axis='columns', level=None)[源代码]#

按元素(二元运算符)获取小于或等于的数据帧和其他 le )。

在软包装中 (eq ， ne ， le ， lt ， ge ， gt )设置为比较运算符。

相当于 == ， != ， <= ， < ， >= ， > 支持选择轴(行或列)和级别进行比较。

参数

other标量、序列、系列或数据帧: 任何单个或多个元素的数据结构或类似列表的对象。
axis{0或‘index’，1或‘Columns’}，默认‘Columns’: 是按索引(0或‘index’)还是按列(1或‘Columns’)进行比较。
levelInt或Label: 跨级别广播，匹配传递的多索引级别上的索引值。

退货

Bool的数据帧: 比较的结果。

参见

DataFrame.eq: 按元素比较DataFrames是否相等。
DataFrame.ne: 按元素比较DataFrames中的不等性。
DataFrame.le: 按元素比较DataFrames中的小于等于或小于等于。
DataFrame.lt: 按元素比较严格小于不等的DataFrames。
DataFrame.ge: 按元素比较DataFrames是否大于不等或相等。
DataFrame.gt: 按元素比较严格大于不等的DataFrames。

注意事项

不匹配的指数将被联合在一起。 NaN 值被认为是不同的(即 NaN = NaN )。

示例

>>> df = pd.DataFrame({'cost': [250, 150, 100],
...                    'revenue': [100, 250, 300]},
...                   index=['A', 'B', 'C'])
>>> df
   cost  revenue
A   250      100
B   150      250
C   100      300

使用运算符或方法与标量进行比较：

>>> df == 100
    cost  revenue
A  False     True
B  False    False
C   True    False

>>> df.eq(100)
    cost  revenue
A  False     True
B  False    False
C   True    False

什么时候 other 是一种 Series ，则DataFrame的列与 other 并播出：

>>> df != pd.Series([100, 250], index=["cost", "revenue"])
    cost  revenue
A   True     True
B   True    False
C  False     True

使用以下方法控制广播轴：

>>> df.ne(pd.Series([100, 300], index=["A", "D"]), axis='index')
   cost  revenue
A  True    False
B  True     True
C  True     True
D  True     True

与任意序列进行比较时，列数必须与 other ：

>>> df == [250, 100]
    cost  revenue
A   True     True
B  False    False
C  False    False

使用以下方法控制轴：

>>> df.eq([250, 250, 100], axis='index')
    cost  revenue
A   True    False
B  False     True
C   True    False

与不同形状的DataFrame进行比较。

>>> other = pd.DataFrame({'revenue': [300, 250, 100, 150]},
...                      index=['A', 'B', 'C', 'D'])
>>> other
   revenue
A      300
B      250
C      100
D      150

>>> df.gt(other)
    cost  revenue
A  False    False
B  False    False
C  False     True
D  False    False

请按级别与多重索引进行比较。

>>> df_multindex = pd.DataFrame({'cost': [250, 150, 100, 150, 300, 220],
...                              'revenue': [100, 250, 300, 200, 175, 225]},
...                             index=[['Q1', 'Q1', 'Q1', 'Q2', 'Q2', 'Q2'],
...                                    ['A', 'B', 'C', 'A', 'B', 'C']])
>>> df_multindex
      cost  revenue
Q1 A   250      100
   B   150      250
   C   100      300
Q2 A   150      200
   B   300      175
   C   220      225

>>> df.le(df_multindex, level=1)
       cost  revenue
Q1 A   True     True
   B   True     True
   C   True     True
Q2 A  False     True
   B   True    False
   C   True    False

pandas.DataFrame.last_valid_index

pandas.DataFrame.lookup