比较两个 DataFrame 并并排输出它们的差异

小编典典

比较两个 DataFrame 并并排输出它们的差异

all

我试图准确强调两个数据框之间的变化。

假设我有两个 Python Pandas 数据框：

"StudentRoster Jan-1":
id   Name   score                    isEnrolled           Comment
111  Jack   2.17                     True                 He was late to class
112  Nick   1.11                     False                Graduated
113  Zoe    4.12                     True

"StudentRoster Jan-2":
id   Name   score                    isEnrolled           Comment
111  Jack   2.17                     True                 He was late to class
112  Nick   1.21                     False                Graduated
113  Zoe    4.12                     False                On vacation

我的目标是输出一个 HTML 表格：

标识已更改的行（可以是 int、float、boolean、string）
输出具有相同 OLD 和 NEW 值的行（理想情况下输出到 HTML 表中），以便消费者可以清楚地看到两个数据帧之间的变化：
```
"StudentRoster Difference Jan-1 - Jan-2":
```
id Name score isEnrolled Comment
112 Nick was 1.11| now 1.21 False Graduated
113 Zoe 4.12 was True | now False was “” | now “On vacation”

我想我可以逐行逐列进行比较，但是有没有更简单的方法？

阅读 129

2022-06-13

共1个答案

小编典典

第一部分类似于康斯坦丁，您可以获得哪些行为空的布尔值*：

In [21]: ne = (df1 != df2).any(1)

In [22]: ne
Out[22]:
0    False
1     True
2     True
dtype: bool

然后我们可以看到哪些条目发生了变化：

In [23]: ne_stacked = (df1 != df2).stack()

In [24]: changed = ne_stacked[ne_stacked]

In [25]: changed.index.names = ['id', 'col']

In [26]: changed
Out[26]:
id  col
1   score         True
2   isEnrolled    True
    Comment       True
dtype: bool

这里第一个条目是索引，第二个条目是已更改的列。

In [27]: difference_locations = np.where(df1 != df2)

In [28]: changed_from = df1.values[difference_locations]

In [29]: changed_to = df2.values[difference_locations]

In [30]: pd.DataFrame({'from': changed_from, 'to': changed_to}, index=changed.index)
Out[30]:
               from           to
id col
1  score       1.11         1.21
2  isEnrolled  True        False
   Comment     None  On vacation

注意：重要的是df1和df2在这里共享相同的索引。为了克服这种歧义，您可以确保仅使用来查看共享标签df1.index & df2.index，但我想我会将其留作练习。

2022-06-13