查找给定输入列表中不存在的缺失数据框元素

Question

有一个用户定义的列表values = ['color','oilType','motor'] 和一个数据框 df，它有 15 列，包括“颜色”和 14 个其他列名。 df 中不存在“oilType”和“motor”。但是，在运行以下 sn-p 时，仅输出“电机”。理想的输出（df 中缺少的列）应该是 'oilType' 和 'motor'

df = pd.read_csv('type.csv',sep=',',error_bad_lines=False)
targets=list(df.columns)
values = ['color','oilType','motor']
with open("source.txt", "w") as output:
    output.write(str(values))
with open('source.txt','r') as source:
    for source1 in values:
        source1 = source1.strip().lower()
    for target1 in targets:
        if source1 not in target1:
            with open("columns_missing.txt", "w") as output:
                output.write(str(source1))

应该改变什么，以便在 df 中发现 'oilType' 和 'motor' 都缺失

Answer 1

你的 for 循环应该是嵌套的，而不是嵌套的。当您迭代values 时，您没有对每个值做任何事情，您只是以“电机”结束。因此，当您开始迭代 targets 时，您的 source1 变量是“电机”并且不会改变。尝试像这样缩进：

df = pd.read_csv('type.csv',sep=',',error_bad_lines=False)
targets=list(df.columns)
values = ['color','oilType','motor']
with open("source.txt", "w") as output:
    output.write(str(values))
with open('source.txt','r') as source:
    for source1 in values:
        source1 = source1.strip().lower()
        for target1 in targets:
            if source1 not in target1:
                with open("columns_missing.txt", "w") as output:
                    output.write(str(source1))

一般来说，处理您正在做的事情的更好方法是使用集合的difference 方法：

data = np.random.randint(50, size=20).reshape(5,4)
df = pd.DataFrame(data, columns=["A", "B", "C", "D"])

print(df)
    A   B   C   D
0  28  40  29  44
1  29   7  48  38
2  41   5  48  31
3  45  42  28  44
4   6  45  15  37

values = ["hello", "B", "world", "D"]
not_found = set(values).difference(df.columns)
print(not_found) # not_found == {"hello", "world"}

with open("columns_missing.txt", "w") as output:
    for value in not_found:
        output.write(value)