在 Python 中将数据框列与可接受的偏差进行比较

Posted 2023-02-15

【中文标题】在 Python 中将数据框列与可接受的偏差进行比较

【英文标题】：Comparing dataframe columns with acceptable deviation in Python

【发布时间】：2022-01-21 05:54:54

【问题描述】：

考虑到可接受的偏差而不是 100% 匹配，如何比较两个 pandas 数据帧行？

例如，可接受偏差 = 10，我想根据其他列生成下面的Result 列：

column1 | column2 | Result
100     | 110     | True
0       | 20      | False
0       | 9       | True

我找不到任何内置函数或 Pandas 函数。

【参考方案1】：

用途：

df['Result'] = abs(df['column1'] - df['column2']) <= 10
print(df)

# Output:
   column1  column2  Result
0      100      110    True
1        0       20   False
2        0        9    True

替代的链式方法：

df['Result'] = df['column1'].sub(df['column2']).abs().le(10)

【参考方案2】：

一种简单的方法：

c1 = df['column1']
c2 = df['column2']
dev = 10
df['Result'] = (c2 - c1 <= dev) & (c1 - c2 >= -dev)

输出：

>>> df
   column1  column2  Result
0      100      110    True
1        0       20   False
2        0        9    True

---

另一种解决方案：

dev = 10
diff = df.diff(axis=1)['column2']
df['Result'] = (diff <= dev) & (diff >= -dev)

输出：

>>> df
   column1  column2  Result
0      100      110    True
1        0       20   False
2        0        9    True

【参考方案3】：

这应该可行。在管道中使用assign。

acc_dev = 10

data = pd.DataFrame(
    [
        [100, 110, True],
        [0, 20, False],
        [0, 9, True],
    ],
    columns = ["column1", "column2", "Result"]
)

data.assign(Result=lambda d: abs(d["column1"] - d["column2"]) <= 10)