2 个数据帧之间的一对一列值比较 - pandas

Question

我有 2 个数据框 -

print(d)
   Year  Salary  Amount  Amount1  Amount2
0  2019    1200      53       53       53
1  2020    3443     455      455      455
2  2021    6777     123      123      123
3  2019    5466     313      313      313
4  2020    4656     545      545      545
5  2021    4565     775      775      775
6  2019    4654     567      567      567
7  2020    7867     657      657      657
8  2021    6766     567      567      567

print(d1)

   Year  Salary  Amount  Amount1  Amount2
0  2019    1200      53       73       63

import pandas as pd

d = pd.DataFrame({
    'Year': [
                2019,
                2020,
                2021,
            ] * 3,
    'Salary': [
        1200,
        3443,
        6777,
        5466,
        4656,
        4565,
        4654,
        7867,
        6766
    ],
    'Amount': [
        53,
        455,
        123,
        313,
        545,
        775,
        567,
        657,
        567
    ],
    'Amount1': [
        53,
        455,
        123,
        313,
        545,
        775,
        567,
        657,
        567
    ], 'Amount2': [
        53,
        455,
        123,
        313,
        545,
        775,
        567,
        657,
        567
    ]
})

d1 = pd.DataFrame({
    'Year': [
        2019
    ],
    'Salary': [
        1200
    ],
    'Amount': [
        53
    ],
    'Amount1': [
        73
    ], 'Amount2': [
        63
    ]
})

我想比较数据帧 d1 的 'Salary' 值，即 1200 与数据帧 d 中 'Salary' 的所有值，如果它是 >= 或 <，则设置一个计数（布尔比较） - 这将对所有列（金额、金额 1、金额 2 等）完成，如果 d1 的任何一列中的值是 NaN/None，则不需要进行比较。列的名称将始终相同，因此基本上是一对一的列比较。

我的方法和想法- 我可以通过 -

在列表中获取 d1 的值

l = []
for i in range(len(d1.columns.values)):
    if i == 0:
        continue
    else:
        num = d1.iloc[0, i]
        l.append(num)
print(l)

# list comprehension equivalent

lst = [d1.iloc[0, i] for i in range(len(d1.columns.values)) if i != 0]


[1200, 53, 73, 63]

然后使用 iterrows 遍历数据帧 d OR 中的所有列和行我可以迭代 d，然后通过遍历 d1 执行类似的比较——但这些对于高维数据帧（在本例中为 d）来说会很耗时。更有效或 pythonic 的方法是什么？

Answer 1

IIUC，你可以这样做：

(df1 >= df2.values).sum()

输出：

Year       9
Salary     9
Amount     9
Amount1    8
Amount2    8
dtype: int64

2 个数据帧之间的一对一列值比较 - pandas

one to one column-value comparison between 2 dataframes - pandas

python

pandas

dataframe

comparison