比较数据框列与条件

Question

我有 2 个数据框，如下所示：df1：ID   col1   col2    1     A1     B1    2     A2     B2     3     A3     B3   4     A4     B4   5     A5     B5    6     A6     B6    df2：col1   col2    A1     B1      A2     O5    H3     B3      A4     B4     A5     66      A6     C6     预期结果：我想根据条件生成结果 df - df1 的 col1,col2 中的每个值都应存在于 df2 的 col1,col2 值中预期结果 df：ID   col1   col2     Error1     A1     B1      No mismatch with df22     A2     B2      col2 mismatch with df23     A3     B3      col1 mismatch with df24     A4     B4      No mismatch with df25     A5     B5      col2 mismatch with df26     A6     B6      col2 mismatch with df2

Answer 1

使用字典理解创建助手 DataFrame 并与以下内容进行比较isin：

m = pd.DataFrame({c: ~df1[c].isin(df2[c]) for c in ['col1','col2']})

print (m)

    col1   col2

0  False  False

1  False   True

2   True  False

3  False  False

4  False   True

5  False   True

然后numpy.where使用 mask byany测试True每行至少一个，并dot使用矩阵乘法获取列名：

df1['Error'] = np.where(m.any(axis=1), 

                        m.dot(m.columns + ', ').str.rstrip(', ') + ' mismatch with df2', 

                       'No mismatch with df2')

print (df1)

   ID col1 col2                   Error

0   1   A1   B1    No mismatch with df2

1   2   A2   B2  col2 mismatch with df2

2   3   A3   B3  col1 mismatch with df2

3   4   A4   B4    No mismatch with df2

4   5   A5   B5  col2 mismatch with df2

5   6   A6   B6  col2 mismatch with df2

Answer 2

像这样的事情应该可以解决问题，但可能有更简单的方法。

diff = pd.concat([df1[col] == df2[col] for col in df1], axis=1)

def m(row):

    mismatches = []

    for col in diff.columns:

        if not row[col]:

            mismatches.append(col)

    if mismatches == []:

        return 'No mismatch'

    return 'Mismatches: ' + ', '.join(mismatches)

df1['Error'] = diff.apply(m, axis=1)