如何在Pandas中比较两列

在这篇文章中，我们学习如何比较pandas的数据框架中的列。Pandas是Python中一个非常有用的库，它主要用于数据分析、可视化、数据清洗等方面。

当我们想比较它们之间的价值或想知道它们之间的相似性时，比较列是非常必要的。例如，如果我们有两列，而我们想找到哪一列大于或小于另一列，或者想找到它们之间的相似性，比较列是我们可能需要做的合适的事情。在pandas和NumPy中有许多类型的方法来比较它们之间的值，我们将在本文中看到所有的方法和实现。

方法一：使用np.where()方法

在这个方法中，条件被传递到这个方法中，如果条件为真，那么它将是我们给出的值（即语法中的’X’），如果它为假，那么，它将是我们给他们的值（即语法中的’y’）。

语法: numpy.where(condition[,x, y])

参数:

condition：当真时，产生x，否则产生y。
x, y :可供选择的数值。

在下面的代码中，我们正在导入必要的库，即pandas和NumPy。我们创建了一个字典，并给出了每一列的值。然后，它被转换为一个pandas数据框架。通过使用NumPy的Where()方法，我们得到了比较各列的条件。如果’column1’小于’column2’并且’column1’小于’column3’，我们就打印’column1’的值。如果条件失败，我们给出的值是’NaN’。这些结果被存储在数据框架的新列中。

# Importing Libraries
import pandas as pd
import numpy as np
 
# data's stored in dictionary
details = {
    'Column1': [1, 2, 30, 4],
    'Column2': [7, 4, 25, 9],
    'Column3': [3, 8, 10, 30]
}
 
# creating a Dataframe object
df = pd.DataFrame(details)
 
# Where method to compare the values
# The values were stored in the new column
df['new'] = np.where((df['Column1'] <= df['Column2']) & (
    df['Column1'] <= df['Column3']), df['Column1'], np.nan)
 
# printing the dataframe
print(df)

输出:

如何在Pandas中比较两列？

np.Where()

方法2：使用equals()方法

该方法测试两列是否包含相同的元素。这个函数允许两个系列或DataFrames相互比较，看它们是否有相同的形状和元素。相同位置的NaN被认为是相等的。

语法: DataFrame.equals(other)

参数: OtherSeries或DataFrame。要与第一个系列或数据框架进行比较的其他系列或数据框架。

返回值: bool，如果两个对象中的所有元素都相同，则为真，否则为假。

在下面的代码中，我们遵循同样的程序，即导入库并创建一个数据框架。在这个数据框架中，我添加了一个新的列，等于 “column2″，以显示该方法在这个数据框架中的作用。

# importing libraries
import pandas as pd
 
# Storing data in dictionary
details = {
    'Column1': [1, 2, 3, 4],
    'Column2': [7, 4, 25, 9],
    'Column3': [3, 8, 10, 30],
    'Column4': [7, 4, 25, 9],
}
 
# creating a Dataframe object
df = pd.DataFrame(details)
 
df['Column4'].equals(df['Column2'])  # Returns True
 
# df['Column1'].equals(df['Column2']) Returns False

输出:

True

方法3：使用Apply()方法

这个方法允许我们传递函数或条件，并得到在整个pandas的数据框架系列中应用相同的函数。这个方法为我们节省了时间和代码。

语法: DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)

在下面的代码中，我们正在重复同样的过程，在pandas中创建一个数据框架。通过使用apply()方法，我们在apply()中使用lambda创建了一个临时匿名函数。它检查’column1’是否小于’column2’，’column1’是否小于’column3’。如果是真，它将给出’column1’的值。如果它是假的，它将打印NaN。这些值被存储在新列中。因此，我们比较了这些列。

import pandas as pd
details = {
    'Column1': [1, 2, 3, 4],
    'Column2': [7, 4, 2, 9],
    'Column3': [3, 8, 10, 30],
}
 
# creating a Dataframe object
df = pd.DataFrame(details)
 
# apply function
df['New'] = df.apply(lambda x: x['Column1'] if x['Column1'] <=
                     x['Column2'] and x['Column1']
                     <= x['Column3'] else np.nan, axis=1)
 
# printing the dataframe
print(df)

输出:

如何在Pandas中比较两列？