pandas.DataFrame.compare#

DataFrame.compare(other, align_axis=1, keep_shape=False, keep_equal=False, result_names=('self', 'other'))[源代码]#

比较另一个 DataFrame 并显示差异。

参数:
otherDataFrame

要比较的对象。

align_axis{0 或 ‘index’, 1 或 ‘columns’}, 默认 1

确定在哪个轴上对齐比较。

  • 0, 或 ‘index’ : 结果差异垂直堆叠，行交替来自 self 和 other。

  • 1, 或 ‘columns’ : 结果差异水平对齐，列交替来自 self 和 other。

keep_shapebool, 默认 False

如果为 True，则保留所有行和列。否则，只保留值不同的行和列。

keep_equalbool, 默认 False

如果为 True，则结果保留相等的值。否则，相等的值显示为 NaN。

result_namestuple, 默认 (‘self’, ‘other’)

设置比较中的数据框名称。

返回:
DataFrame

并排堆叠差异的 DataFrame。

生成的索引将是一个 MultiIndex，其中‘self’和‘other’在内层交替堆叠。

引发:
ValueError

当两个 DataFrame 具有不同的标签或形状时。

另请参阅

Series.compare

与另一个 Series 进行比较并显示差异。

DataFrame.equals

测试两个对象是否包含相同元素。

注意

匹配的 NaN 不会显示为差异。

只能比较具有相同标签（即相同形状、相同的行和列标签）的 DataFrame。

示例

>>> df = pd.DataFrame(
...     {
...         "col1": ["a", "a", "b", "b", "a"],
...         "col2": [1.0, 2.0, 3.0, np.nan, 5.0],
...         "col3": [1.0, 2.0, 3.0, 4.0, 5.0],
...     },
...     columns=["col1", "col2", "col3"],
... )
>>> df
  col1  col2  col3
0    a   1.0   1.0
1    a   2.0   2.0
2    b   3.0   3.0
3    b   NaN   4.0
4    a   5.0   5.0

>>> df2 = df.copy()
>>> df2.loc[0, "col1"] = "c"
>>> df2.loc[2, "col3"] = 4.0
>>> df2
  col1  col2  col3
0    c   1.0   1.0
1    a   2.0   2.0
2    b   3.0   4.0
3    b   NaN   4.0
4    a   5.0   5.0

按列对齐差异

>>> df.compare(df2)
  col1       col3
  self other self other
0    a     c  NaN   NaN
2  NaN   NaN  3.0   4.0

分配 result_names

>>> df.compare(df2, result_names=("left", "right"))
  col1       col3
  left right left right
0    a     c  NaN   NaN
2  NaN   NaN  3.0   4.0

按行堆叠差异

>>> df.compare(df2, align_axis=0)
        col1  col3
0 self     a   NaN
  other    c   NaN
2 self   NaN   3.0
  other  NaN   4.0

保留相等的值

>>> df.compare(df2, keep_equal=True)
  col1       col3
  self other self other
0    a     c  1.0   1.0
2    b     b  3.0   4.0

保留所有原始行和列

>>> df.compare(df2, keep_shape=True)
  col1       col2       col3
  self other self other self other
0    a     c  NaN   NaN  NaN   NaN
1  NaN   NaN  NaN   NaN  NaN   NaN
2  NaN   NaN  NaN   NaN  3.0   4.0
3  NaN   NaN  NaN   NaN  NaN   NaN
4  NaN   NaN  NaN   NaN  NaN   NaN

保留所有原始行和列，以及所有原始值

>>> df.compare(df2, keep_shape=True, keep_equal=True)
  col1       col2       col3
  self other self other self other
0    a     c  1.0   1.0  1.0   1.0
1    a     a  2.0   2.0  2.0   2.0
2    b     b  3.0   3.0  3.0   4.0
3    b     b  NaN   NaN  4.0   4.0
4    a     a  5.0   5.0  5.0   5.0
本页内容