将 3 个 csv 文件与 Python Pandas 进行比较答案

【问题标题】：Compare 3 csv Files with Python Pandas将 3 个 csv 文件与 Python Pandas 进行比较
【发布时间】：2021-03-29 16:00:46
【问题描述】：

我需要比较 3 个 csv 文件以与 3 列进行比较（所有 3 个 csv 文件上的所有三列都具有相同的名称），以计算 1）重复的内容和 2）不同的内容（仅计数即可）。

例如。 csv1 colB 需要检查并与 csv2 colB 和 csv3 colb 进行比较，以了解重复的计数总数（在 csv2,3 上匹配）和 coutn 总数（在 csv2/3 上匹配）。

所有 3 个 csv 都有相同的列名，colB 有 ip 地址，colC 有哈希值，colD 有域名。

我已经尝试过将 colB 与失败匹配的测试：

print(df[~df.colB.isin(df1.colB)]) #prints out all columns from df

尝试添加：

print(df[~df.colB.isin(df1.colB).count()]) #get multiple traceback errors

【问题讨论】：

【解决方案1】：

我们将数据帧称为df1、df2、df3。

数据框中的每一列都是一个系列，因此您可以比较它们以获得一个布尔系列：

checkB12 = (df1.colB == df2.colB)

这将给出一个具有 (True, True, False,...) 或类似内容的 Pandas 系列对象。

同样，

checkB13 = (df1.colB == df3.colB)

那么，

duplicated = checkB12 or checkB13

这会为您提供一系列布尔值，当df1 与df2 或df3 至少匹配时为真。执行 duplicated.sum() 将为您提供 True 值的总数，即 df1 中的案例总数，在 df2 和 df3 中至少重复一次。

我不太明白你所说的数据框之间的“有什么不同”是什么意思，所以我不能确定你需要什么代码。

【讨论】：

【解决方案2】：

尝试使用value_counts()，您将获得 True 和 False 的值。

df.colB.isin(df1.colB).value_counts()

我希望这就是你要找的。p>

【讨论】：