比较 Pandas 数据框系列中的元素时出现问题答案

【问题标题】：Problem comparing elements in a Pandas dataframe Series比较 Pandas 数据框系列中的元素时出现问题
【发布时间】：2021-02-20 02:27:00
【问题描述】：

我正在使用如下所示的 kaggle 数据集：

df1.head()

df2.head()

基本上这两个dataframesdf1和df2是从不同的文件中读取的，并且有一些共同的值。我想获取两个数据帧的EssayText 列中相同值的索引。

现在我正在这样做：

[(True, i) for i,text in enumerate(df2['EssayText']) if text in df1['EssayText']]

但这不会返回任何输出，而我已经看到至少前 5 个值在 df1 和 df2 中完全相同。

我也尝试了df1['EssayText'][0] in df2['EssayText']，但令人惊讶的是它返回了False。我似乎不明白原因。

另一方面，如果我这样做：

df1.iloc[3] == df2.iloc[3]

我得到的输出是

    Id           True
EssaySet     True
Score1       True
Score2       True
EssayText    True
Name: 3, dtype: bool

请帮助我理解我做错了什么。在此先感谢:)

【问题讨论】：

请向我们提供代码以重新创建您的数据，例如df.to_dict()（根据需要截断）
那是因为它正在比较以这种方式索引数据帧时返回的系列索引（我想）。所以在每个数据框索引的末尾使用.values，比如df1['key'].values

标签： python pandas dataframe series

【解决方案1】：

请尝试以下代码解决您提到的问题。

import pandas as pd

data1 = [[1,1,1,1,"A"],[2,1,1,1,"B"],[2,1,1,1,"C"],[2,1,1,1,"D"]]
data2 = [[2,1,1,2,"A"],[2,1,1,1,"B"],[2,1,1,1,"C"],[2,1,1,1,"E"]]
df1 = pd.DataFrame(data1,
                   columns=["Id","EssaySet","Score1","Score2","EssayText"])
df2 = pd.DataFrame(data2,
                   columns=["Id","EssaySet","Score1","Score2","EssayText"])
l_match = []
for index,rowdf1 in df1.iterrows():
    indexdf1 = int(index)
    for index,rowdf2 in df2.iterrows():
        indexdf2 = int(index)
        if (rowdf1["EssayText"] == rowdf2["EssayText"]):
            l_match.append((indexdf1,indexdf2))
print(l_match)

输出：

[(0, 0), (1, 1), (2, 2)]

【讨论】：

感谢您的回答，但这对我来说似乎有点复杂。我的问题通过添加@Carafini 建议的.values 得到解决

【解决方案2】：

我认为这比你想象的要简单.. 您可以像这样使用 masking 来获取 df1 和 df2 在“EssayText”列中具有相同值的索引。

commonIndices = df1[df1['EssayText']==df2['EssayText']].index.to_list()

或

commonIndices = df2[df2['EssayText']==df1['EssayText']].index.to_list()

不管怎样，结果都是一样的

【讨论】：