Pandas 比较两个数据框并获取差异

在数据分析的过程中，比较不同数据框中的数据是一项常见的任务。在本文中，我们将介绍如何使用Pandas库比较两个数据框并获取它们之间的差异。

阅读更多：Pandas 教程

数据框比较的常见方法

在Pandas中，我们可以使用以下方法比较两个数据框：

• equals(): 比较两个数据框是否相等，返回布尔值。
• compare(): 在列级别比较两个数据框，返回比较结果。
• merge(): 合并比较两个数据框的结果。

接下来，我们将通过实例来介绍这些方法的使用。

实例分析

假设我们有两个数据框：df1和df2。它们的内容如下：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3],
                    'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [1, 2],
                    'B': [4, 5]})

现在我们想比较这两个数据框的差异。

使用equals()方法比较

我们可以使用equals()方法来比较这两个数据框是否相等，如下所示：

print(df1.equals(df2))

输出结果为False，因为这两个数据框不相等。

使用compare()方法比较

我们可以使用compare()方法在列级别比较这两个数据框，如下所示：

diff = df1.compare(df2)
print(diff)

输出结果如下：

   B     
   self other
2  6.0   NaN

结果显示，两个数据框在B列上不同，df1中有一个值6，而df2中没有。

使用merge()方法比较

我们可以使用merge()方法合并比较这两个数据框的结果，如下所示：

diff = pd.merge(df1, df2, indicator=True, how='outer')
print(diff)

输出结果如下：

   A  B      _merge
0  1  4        both
1  2  5        both
2  3  6   left_only

结果显示，这两个数据框的差异在第3行。

总结

以上就是比较两个数据框并获取其差异的Pandas方法的介绍。无论是equals()方法还是compare()方法都可以对整个数据框或列级别进行比较，而merge()方法则将两个数据框合并，并将其差异标记为左侧、右侧或两侧均有。请根据不同的情况和需求选择适合自己的方法。