使用 pandas 比较两列

Question

以此为起点：

a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])

Out[8]: 
  one  two three
0   10  1.2   4.2
1   15  70   0.03
2    8   5     0

我想在 pandas 中使用类似 if 的语句。

if df['one'] >= df['two'] and df['one'] <= df['three']:
    df['que'] = df['one']

基本上，通过if 语句检查每一行，创建新列。

文档说要使用.all，但没有示例...

Answer 1

您可以使用np.where。如果cond是一个布尔数组，而A和B是数组，那么

C = np.where(cond, A, B)

定义 C 等于A，其中cond 为真，B，其中cond 为假。

import numpy as np
import pandas as pd

a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])

df['que'] = np.where((df['one'] >= df['two']) & (df['one'] <= df['three'])
                     , df['one'], np.nan)

产量

  one  two three  que
0  10  1.2   4.2   10
1  15   70  0.03  NaN
2   8    5     0  NaN

---

如果您有多个条件，则可以改用np.select。 例如，如果您希望df['que'] 等于df['two'] 而df['one'] < df['two']，则

conditions = [
    (df['one'] >= df['two']) & (df['one'] <= df['three']), 
    df['one'] < df['two']]

choices = [df['one'], df['two']]

df['que'] = np.select(conditions, choices, default=np.nan)

产量

  one  two three  que
0  10  1.2   4.2   10
1  15   70  0.03   70
2   8    5     0  NaN

如果我们可以假设df['one'] >= df['two'] 当df['one'] < df['two'] 是 False，则条件和选择可以简化为

conditions = [
    df['one'] < df['two'],
    df['one'] <= df['three']]

choices = [df['two'], df['one']]

（如果df['one'] 或df['two'] 包含NaN，则该假设可能不成立。）

---

注意

a = [['10', '1.2', '4.2'], ['15', '70', '0.03'], ['8', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])

用字符串值定义一个DataFrame。由于它们看起来是数字，因此您最好将这些字符串转换为浮点数：

df2 = df.astype(float)

然而，这会改变结果，因为字符串是逐个字符比较的，而浮点数是按数字比较的。

In [61]: '10' <= '4.2'
Out[61]: True

In [62]: 10 <= 4.2
Out[62]: False

Answer 2

您可以将.equals 用于列或整个数据框。

df['col1'].equals(df['col2'])

如果它们相等，则该语句将返回 True，否则返回 False。

Answer 3

你可以使用 apply() 来做这样的事情

df['que'] = df.apply(lambda x : x['one'] if x['one'] >= x['two'] and x['one'] <= x['three'] else "", axis=1)

或者如果你不想使用 lambda

def que(x):
    if x['one'] >= x['two'] and x['one'] <= x['three']:
        return x['one']
    return ''
df['que'] = df.apply(que, axis=1)

Answer 4

一种方法是使用布尔系列来索引列df['one']。这会为您提供一个新列，其中 True 条目与 df['one'] 的同一行具有相同的值，而 False 的值是 NaN。

布尔系列只是由您的if 语句给出（尽管有必要使用& 而不是and）：

>>> df['que'] = df['one'][(df['one'] >= df['two']) & (df['one'] <= df['three'])]
>>> df
    one two three   que
0   10  1.2 4.2      10
1   15  70  0.03    NaN
2   8   5   0       NaN

如果您希望将NaN 值替换为其他值，可以在新列que 上使用fillna 方法。我在这里使用了0 而不是空字符串：

>>> df['que'] = df['que'].fillna(0)
>>> df
    one two three   que
0   10  1.2   4.2    10
1   15   70  0.03     0
2    8    5     0     0

Answer 5

将每个单独的条件括在括号中，然后使用& 运算符组合条件：

df.loc[(df['one'] >= df['two']) & (df['one'] <= df['three']), 'que'] = df['one']

您可以通过使用~（“not”运算符）来反转匹配来填充不匹配的行：

df.loc[~ ((df['one'] >= df['two']) & (df['one'] <= df['three'])), 'que'] = ''

您需要使用& 和~ 而不是and 和not，因为& 和~ 运算符可以逐个元素地工作。

最终结果：

df
Out[8]: 
  one  two three que
0  10  1.2   4.2  10
1  15   70  0.03    
2   8    5     0  

Answer 6

如果您要从数据框中检查多个条件并在不同的列中输出特定选择，请使用 np.select

conditions=[(condition1),(condition2)]
choices=["choice1","chocie2"]

df["new column"]=np.select=(condtion,choice,default=)

注意：没有条件和选项应该匹配，如果对于两个不同的条件，您有相同的选择，请在选择中重复文本

Answer 7

我想为那些试图比较具有NaN 值的两列中值的相等性并在两个值均为NaN 时得到False 的人添加此答案。根据定义，NaN != NaN（参见：numpy.isnan(value) not the same as value == numpy.nan?）。

如果你想让两个NaN比较返回True，你可以使用：

df['compare'] = (df["col_1"] == df["col_2"]) | (df["col_1"].isna() & df["col_2"].isna())

Answer 8

使用 lambda 表达式：

df[df.apply(lambda x: x['col1'] != x['col2'], axis = 1)]

Answer 9

可以使用Series方法where：

df['que'] = df['one'].where((df['one'] >= df['two']) & (df['one'] <= df['three']))

结果：

  one  two three  que
0  10  1.2   4.2   10
1  15   70  0.03  NaN
2   8    5     0  NaN

Answer 10

我认为最接近 OP 直觉的是内联 if 语句：

df['que'] = (df['one'] if ((df['one'] >= df['two']) and (df['one'] <= df['three']))