Comment comparer des colonnes dans différents blocs de données?

Je voudrais comparer une colonne d'un df avec d'autres df. Les colonnes sont des noms et des noms de famille. Je voudrais vérifier si une personne dans une trame de données se trouve dans une autre.

Si vous souhaitez vérifier des valeurs égales sur une certaine colonne, disons Nom, vous pouvez fusionner les deux Dataframes en une nouvelle:

mergedStuff = pd.merge(df1, df2, on=['Name'], how='inner')
mergedStuff.head()

Je pense que c'est plus efficace et plus rapide que wheresi vous avez un grand ensemble de données

df1.where(df1.values==df2.values).notna()

Trueles entrées montrent des éléments communs. Cela révèle également la position des éléments communs, contrairement à la solution avec merge.

Comparaison de valeurs dans deux colonnes différentes

En utilisant set, obtenez des valeurs uniques dans chaque colonne. L'intersection de ces deux ensembles fournira les valeurs uniques dans les deux colonnes.

Exemple:

df1 = pd.DataFrame({'c1': [1, 4, 7], 'c2': [2, 5, 1], 'c3': [3, 1, 1]}) df2 = pd.DataFrame({'c4': [1, 4, 7], 'c2': [3, 5, 2], 'c3': [3, 7, 5]}) set(df1['c2']).intersection(set(df2['c2']))

Sortie: {2, 5}

Comparaison des noms de colonne de deux trames de données

Dans le cas où vous essayez de comparer les noms de colonnes de deux trames de données:

Si df1et df2sont les deux trames de données: set(df1.columns).intersection(set(df2.columns))

Cela fournira les noms de colonnes uniques qui sont contenus dans les deux cadres de données.

Exemple:

df1 = pd.DataFrame({'c1': [1, 4, 7], 'c2': [2, 5, 1], 'c3': [3, 1, 1]})
df2 = pd.DataFrame({'c4': [1, 4, 7], 'c2': [3, 5, 2], 'c3': [3, 7, 5]})

set(df1.columns).intersection(set(df2.columns))

Sortie: {'c2', 'c3'}

Vous pouvez vérifier le nombre exact de positions communes et différentes entre deux df en utilisant isin et value_counts ()

Comme ça:

df['your_column_name'].isin(df2['your_column_name']).value_counts()

Résultat:

Vrai = commun Faux = différent

Notez que les colonnes des trames de données sont des séries de données. Donc, si vous prenez deux colonnes comme séries de pandas, vous pouvez les comparer comme vous le feriez avec des tableaux numpy.