比较多列并计算不匹配的总数答案

【问题标题】：Compare multiple columns and count total unmatched比较多列并计算不匹配的总数
【发布时间】：2022-11-04 15:37:40
【问题描述】：

嗨，我正在比较一个具有多个配对列的数据集，我想计算有多少对不匹配。数据可能如下所示：

df=pd.DataFrame({'ID':['a','b','c'],
                 'A_1':[3,4,5],
                 'B_1':[1,5,7],
                 'A_2':[3,3,5],
                 'B_2':[3,3,7]})

我想要的是：

df1=pd.DataFrame({'ID':['a','b','c'],
                 'A_1':[3,4,5],
                 'B_1':[1,5,7],
                 'A_2':[3,3,5],
                 'B_2':[3,3,7],
                 'Count':[1,2,0]})

对于每个 ID，我将 A_1 与 A_2、B_1 与 B_2 进行比较，并计算不匹配结果的总数。在我的真实数据集中，我有 15 对，我当然不想手动比较。

alist=[A_1,A_2,B_1,B_2]

def match_count(df):
    Non_match_item_count=0
    for i in range(0,len(alist),2):
        if round(df[i],1)!=round(df[i+1],1):
            Non_match_item_count+=1
    return Non_match_item_count

df['Count']=df.apply(match_count,axis=1)

它不工作...

【问题讨论】：

标签： pandas

【解决方案1】：

可能有一个花哨的 pandas 函数可以满足您的需求，但这是我将使用的方法。给定df：

    ID  A_1 B_1 A_2 B_2
0   a   3   1   3   3
1   b   4   5   3   3
2   c   5   7   5   7

我会利用 Collections.Counter 来计算每行中项目的出现次数，并确定只有 1 个条目的数字，如下所示：从集合导入计数器

def compute_mismatches(df):
    rslt = []
    for r in range(df.shape[0]):
        rc = Counter(df.iloc[r].to_list()[1:])
        k = 0
        for ky, val in rc.items():
            if val == 1:
                k +=1
        rslt.append(k)
    return rslt

然后使用这个函数：

df['Counts'] = compute_mismatches(df)

产量：

    ID  A_1 B_1 A_2 B_2 Counts
0   a   3   1   3   3   0
1   b   4   5   3   3   3
2   c   5   7   5   7   1

【讨论】：

如果其中一个回复对您有用，请将其标记为答案（帖子左侧的复选标记）。发帖人因其选择的答案而获得声誉积分。

【解决方案2】：

我相信这应该有效：

df['Count'] = (df.set_index('ID')
.groupby(lambda x: x[0],axis=1)
.diff()
.abs()
.gt(0)
.sum(axis=1)
.reset_index(drop=True))

【讨论】：

【解决方案3】：

IIUC，您可以提取字母，对其进行分组并计算非唯一值的出现次数：

cols = df.drop(columns='ID').columns
  
df['Count'] = (df[cols] 
              .groupby(cols.str.extract('(^[^_]+)', expand=False), axis=1)
              .nunique(1).ne(1).sum(1)
              )

输出：

  ID  A_1  B_1  A_2  B_2  Count
0  a    3    1    3    3      1
1  b    4    5    3    3      2
2  c    5    7    5    7      0

【讨论】：

【解决方案4】：

df1.assign(col1=df1.iloc[:,1:].sort_index(axis=1).iloc[:,::2].rename(columns=lambda x:x[0])
    .ne(df1.iloc[:,1:].sort_index(axis=1).iloc[:,1::2].rename(columns=lambda x:x[0]))
    .sum(axis=1))


 ID  A_1  B_1  A_2  B_2  col1
0  a    3    1    3    3     1
1  b    4    5    3    3     2
2  c    5    7    5    7     0

【讨论】：