如何比较两个忽略列名的数据框?

Posted

技术标签:

【中文标题】如何比较两个忽略列名的数据框?【英文标题】:How to compare two dataframes ignoring column names? 【发布时间】:2018-08-20 08:42:19 【问题描述】:

假设我想比较两个数据框的内容,而不是列名(或索引名)。 是否可以在不重命名列的情况下实现此目的?

例如:

df = pd.DataFrame('A': [1,2], 'B':[3,4])
df_equal = pd.DataFrame('a': [1,2], 'b':[3,4])
df_diff = pd.DataFrame('A': [1,2], 'B':[3,5])

在这种情况下,dfdf_equal 但与 df_diff 不同,因为 df_equal 中的值具有相同的内容,但 df_diff 中的值相同。请注意df_equal 中的列名不同,但我仍然想获得一个真实的值。

我尝试了以下方法:

等于:

# Returns false because of the column names
df.equals(df_equal)

当量:

# doesn't work as it compares four columns (A,B,a,b) assuming nulls for the one that doesn't exist
df.eq(df_equal).all().all()

pandas.testing.assert_frame_equal:

# same as equals
pd.testing.assert_frame_equal(df, df_equal, check_names=False)

我认为可以使用assert_frame_equal,但parameters 似乎都无法忽略列名。

【问题讨论】:

【参考方案1】:

pd.DataFrame 是围绕pd.Series 构建的,因此您不太可能在没有列名的情况下执行比较。

但最有效的方法是下拉至numpy

assert_equal = (df.values == df_equal.values).all()

要处理np.nan,可以使用np.testing.assert_equal和catch AssertionError,as suggested by @Avaris:

import numpy as np

def nan_equal(a,b):
    try:
        np.testing.assert_equal(a,b)
    except AssertionError:
        return False
    return True

assert_equal = nan_equal(df.values, df_equal.values)

【讨论】:

【参考方案2】:

我只需要从数据框中获取值(numpy 数组),因此不会考虑列名。

df.eq(df_equal.values).all().all()

我仍然希望看到equalsassert_frame_equal 上的参数。也许我错过了一些东西。


与@jpp 答案相比,这样做的一个优点是,我可以看到哪些列不匹配,只调用一次all()

df.eq(df_diff.values).all()
Out[24]: 
A     True
B    False
dtype: bool

一个问题是,当使用 eq 时,np.nan 不等于 np.nan,在这种情况下,下面的表达式会很好用:

(df.eq(df_equal.values) | (df.isnull().values & df_equal.isnull().values)).all().all()

【讨论】:

【参考方案3】:
df1 = pd.DataFrame('A': [1, 2], 'B': [3, 4])
df2 = pd.DataFrame('A': [1, 2], 'B': [3, 4])

for i in range(df1.shape[0]):
    for j in range(df1.shape[1]):
        print(df1.iloc[i, j] == df2.iloc[i, j])

将返回:

True
True
True
True

同样的事情:

df1 = pd.DataFrame('a': [1, 2], 'b': [3, 4])
df2 = pd.DataFrame('A': [1, 2], 'B': [3, 4])

一个明显的问题是,列名在 Pandas 中对数据帧进行排序很重要。例如:

df1 = pd.DataFrame('a': [1, 2], 'b': [3, 4])
df2 = pd.DataFrame('a': [1, 2], 'B': [3, 4])
print(df1)
print(df2)

呈现为('B' 在 df2 中的 'a' 之前):

   a  b
0  1  3
1  2  4
   B  a
0  3  1
1  4  2

【讨论】:

以上是关于如何比较两个忽略列名的数据框?的主要内容,如果未能解决你的问题,请参考以下文章

如何获取和比较pyspark中两个数据框中相似列的所有值的数据类型

java - 如何在java中组合(连接)具有相同列名的两个数据框

如何绘制来自具有相同列名的两个数据框的数据

如何匹配两个数据框的架构

给定主键,比较两个数据框的其他列,垂直输出diff列

Pyspark DataFrame:查找两个 DataFrame 之间的差异(值和列名)