如何比较熊猫数据框列中可用的十进制数？

Question

我想比较 Pandas 数据帧的两列中可用的十进制值。

我有一个数据框：

data = {'AA' :{0:'-14.35',1:'632.0',2:'619.5',3:'352.35',4:'347.7',5:'100'},
        'BB' :{0:'-14.3500',1:'632.0000',2:'619.5000',3:'352.3500',4:'347.7000',5:'200'}
       }
df1 = pd.DataFrame(data)
print df1

数据框如下所示：

       AA        BB
0  -14.35  -14.3500
1   632.0  632.0000
2   619.5  619.5000
3  352.35  352.3500
4   347.7  347.7000
5   100    200

我想比较 AA 和 BB 列。如上面的数据框所示，除了 5th 行之外，两列的值是相同的。唯一的问题是尾随零。

如果AA 和BB 列相同，那么我希望第三列中这些比较的结果为Result，即True 或False。

预期结果：

       AA        BB   Result
0  -14.35  -14.35    True
1   632.0  632.0     True
2   619.5  619.5     True
3  352.35  352.35    True
4   347.7  347.7     True
5   100    200       False

如何比较这些十进制值？

Answer 1

您需要通过astype 将列转换为float，然后比较列，因为列中的值type 是string。然后使用mask 并作为条件使用布尔列Result：

print (type(df1.ix[0,'AA']))
<class 'str'>

print (type(df1.ix[0,'BB']))
<class 'str'>

df1['Result'] = df1.AA.astype(float) == df1.BB.astype(float)
df1.BB = df1.BB.mask(df1.Result,df1.AA)
print (df1)
       AA      BB Result
0  -14.35  -14.35   True
1   632.0   632.0   True
2   619.5   619.5   True
3  352.35  352.35   True
4   347.7   347.7   True
5     100     200  False

ix 的另一种解决方案：

df1['Result'] = df1.AA.astype(float) == df1.BB.astype(float)
df1.ix[df1.Result, 'BB'] = df1.AA
print (df1)
       AA      BB Result
0  -14.35  -14.35   True
1   632.0   632.0   True
2   619.5   619.5   True
3  352.35  352.35   True
4   347.7   347.7   True
5     100     200  False

时间安排：

#len(df) = 6k
df1 = pd.concat([df1]*1000).reset_index(drop=True)

In [31]: %timeit df1.ix[df1.Result, 'BB'] = df1.AA
The slowest run took 4.88 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 1.19 ms per loop

In [33]: %timeit df1.BB = df1.BB.mask(df1.Result,df1.AA)
1000 loops, best of 3: 900 µs per loop