如何比较数据框中同一列的数据（熊猫）答案

【问题标题】：How to compare data from the same column in a dataframe (Pandas)如何比较数据框中同一列的数据（熊猫）
【发布时间】：2020-10-01 05:39:52
【问题描述】：

我有一个 Panda 的数据框，如下所示：

我想获得 2007 年 PIB 低于 2002 年的国家/地区，但我无法编写代码来仅使用 Pandas 内置方法而不使用 python 迭代或类似的东西来做到这一点。我得到的最多的是以下行：

df[df[df.year == 2007].PIB < df[df.year == 2002].PIB].country

但我收到以下错误：

ValueError: Can only compare identically-labeled Series objects

到目前为止，我只使用 Pandas 过滤来自不同列的数据，但我不知道如何比较来自同一列的数据，在这种情况下是年份。欢迎任何支持。

【问题讨论】：

Please don't post images of code/data (or links to them)
感谢您的所有回答，我是使用这些库的新手，我需要学习机器学习，非常感谢您的支持。并且只是为了将来可能有类似问题的用户的参考，对我有很大帮助的答案是标记的一个和这个：stackoverflow.com/a/64149984/11755598 因为解释了尝试比较的问题，就像我对我的代码所做的那样引发了ValueError 异常。
我认为应该有一些数据相关的问题，是否可以共享数据或将它们发送到我的电子邮件？
是的，我怎么联系你？
你有！感谢您的支持。

标签： python pandas numpy dataframe

【解决方案1】：

我的策略是使用数据透视表。假设没有两行具有相同的 ('country','year') 对。在此假设下，aggfunc=np.sum 代表唯一的单个 PIB 值。

table = pd.pivot_table(df, values='PIB', index=['country'],
                    columns=['year'], aggfunc=np.sum)[[2002,2007]]
list(table[table[2002] > table[2007]].index)

pivot_table 如下所示：

【讨论】：

你是对的。使用pivot 是更好的选择，不需要聚合。我将编辑我的答案:)

【解决方案2】：

我建议使用country 列的索引创建Series，但2007 和2002 中的国家数量必须相同，以便比较具有相同索引值的系列：

df = pd.DataFrame({'country': ['Afganistan', 'Zimbabwe', 'Afganistan', 'Zimbabwe'],
                  'PIB': [200, 200, 100, 300], 
                  'year': [2002, 2002, 2007, 2007]})
print (df)
      country  PIB  year
0  Afganistan  200  2002
1    Zimbabwe  200  2002
2  Afganistan  100  2007
3    Zimbabwe  300  2007

df = df.set_index('country')
print (df)
            PIB  year
country              
Afganistan  200  2002
Zimbabwe    200  2002
Afganistan  100  2007
Zimbabwe    300  2007

s1 = df.loc[df.year == 2007, 'PIB'] 
s2 = df.loc[df.year == 2002, 'PIB']
print (s1)
country
Afganistan    100
Zimbabwe      300
Name: PIB, dtype: int64

print (s2)
country
Afganistan    200
Zimbabwe      200
Name: PIB, dtype: int64

countries = s1.index[s1 < s2]
print (countries)
Index(['Afganistan'], dtype='object', name='country')

另一个想法是首先以DataFrame.pivot 为中心，然后按年份查找列并与boolean indexing 中的索引进行比较：

df1 = df.pivot('country','year','PIB')
print (df1)
year        2002  2007
country               
Afganistan   200   100
Zimbabwe     200   300

countries = df1.index[df1[2007] < df1[2002]]
print (countries)
Index(['Afganistan'], dtype='object', name='country')

【讨论】：

【解决方案3】：

这是我的数据框：

df = pd.DataFrame([
    {"country": "a", "PIB": 2, "year": 2002},
    {"country": "b", "PIB": 2, "year": 2002},
    {"country": "a", "PIB": 1, "year": 2007},
    {"country": "b", "PIB": 3, "year": 2007},
])

如果我过滤 2002 年和 2007 年这两个年份，我得到了。

df_2002 = df[df["year"] == 2007]
out : 
  country  PIB  year
0       a    2  2002
1       b    2  2002

df_2007 = df[df["year"] == 2007]
out : 
  country  PIB  year
2       a    1  2007
3       b    3  2007

您想比较每个国家/地区 PIB 的演变。

Pandas 没有意识到这一点，它尝试比较值，但这里基于相同的索引。女巫不是你想要的，因为索引不同，所以不可能。

所以你只需要使用set_index()

df.set_index("country",  inplace=True)
df_2002 = df[df["year"] == 2007]
out : 
         PIB  year
country           
a          1  2007
b          3  2007

df_2007 = df[df["year"] == 2007]
out : 
         PIB  year
country           
a          2  2002
b          2  2002

现在你可以进行比较了

df_2002.PIB > df_2007.PIB
out:
country
a     True
b    False
Name: PIB, dtype: bool

# to get the list of countries
(df_2002.PIB > df_2007.PIB)[res == True].index.values.tolist()
out : 
['a']

【讨论】：

【解决方案4】：

试试这个（考虑到您只需要这些国家的列表）：

[i for i in df.country if df[(df.country==i) & (df.year==2007)].PIB.iloc[0] < df[(df.country==i) & (df.year==2002)].PIB.iloc[0]]

【讨论】：