我有兩個需要驗證的數據集。所有記錄都應匹配。我在確定如何循環訪問每個不同的列時遇到問題。import pandas as pd import numpy as npdf = pd.DataFrame([['charlie', 'charlie', 'beta', 'cappa'], ['charlie', 'charlie', 'beta', 'delta'], ['charlie', 'charlie', 'beta', 'beta']], columns=['A_1', 'A_2','B_1','B_2'])df.head()Out[83]: A_1 A_2 B_1 B_20 charlie charlie beta cappa1 charlie charlie beta delta2 charlie charlie beta beta例如，在上面的代碼中，我想將A_1與A_2進行比較，B_1 B_2，分別返回一個新列，分別A_check和B_check，如果A_1與A_Check A_2匹配，則返回True。像這樣：df['B_check'] = np.where((df['B_1'] == df['B_2']), 'True', 'False')df_subset = df[df['B_check']=='False'] 但是，可以在任何給定的列名中迭代，其中需要檢查的列在下劃線之前始終具有相同的名稱，并且在下劃線后始終具有1或2。最終，實際任務具有多個數據框，其中要檢查的列不同，以及要檢查的列數也不同。我最終要獲得的輸出是一個數據幀，它顯示對于任何特定列檢查都是假的所有記錄。
4 回答
LEATH
TA貢獻1936條經驗 獲得超7個贊
使用更全面的正則表達式：
from itertools import groupby
import re
for k, cols in groupby(sorted(df.columns), lambda x: x[:-2] if re.match(".+_(1|2)$", x) else None):
cols=list(cols)
if(len(cols)==2 and k):
df[f"{k}_check"]=df[cols[0]].eq(df[cols[1]])
它將僅將名稱以和名稱結尾的列配對在一起，而不管您之前在其名稱中有什么，僅當有2-和（假設您沒有2列具有相同名稱）時才計算。_1_2_check_1_2
對于示例數據：
A_1 A_2 B_1 B_2 A_check B_check
0 charlie charlie beta cappa True False
1 charlie charlie beta delta True False
2 charlie charlie beta beta True True
臨摹微笑
TA貢獻1982條經驗 獲得超2個贊
如果您知道列名稱的第一部分，則可以使用wide_to_long，即...：A,B
(pd.wide_to_long(df.reset_index(), ['A','B'], 'index','part',sep='_')
.groupby('index').nunique().eq(1)
.add_suffix('_check')
)
輸出：
A_check B_check
index
0 True False
1 True False
2 True True
蕪湖不蕪
TA貢獻1796條經驗 獲得超7個贊
您可以拆分列并按拆分結果的第一個值的序列進行分組，并調用以進行比較axis=1agg
i_cols = df.columns.str.split('_')
df_check = (df.groupby(i_cols.str[0], axis=1).agg(lambda x: x.iloc[:,0] == x.iloc[:,-1])
.add_suffix('_check'))
In [69]: df_check
Out[69]:
A_check B_check
0 True False
1 True False
2 True True
猛跑小豬
TA貢獻1858條經驗 獲得超8個贊
另一種方法是使用 pd 使用數據幀重整。多索引：
df = pd.DataFrame([['charlie', 'charlie', 'beta', 'cappa'],
['charlie', 'charlie', 'beta', 'delta'],
['charlie', 'charlie', 'beta', 'beta']],
columns=['A_1', 'A_2','B_1','B_2'])
df.columns = df.columns.str.split('_', expand=True) #Creates MultiIndex column header
dfs = df.stack(0) #move the 'A' and 'B' and any others to rows
df_out = (dfs == dfs.shift(-1, axis=1))['1'].unstack() #Compare column 1 to column 2 and move 'A's and 'B's back to columns.
print(df_out)
輸出：
A B
0 True False
1 True False
2 True True
添加回答
舉報
0/150
提交
取消