8

我有一个包含 21 列的熊猫数据框。我专注于具有完全相同列数据值的行子集,但每行唯一的 6 个除外。我不知道这 6 个值对应于哪个列标题是先验的。

我尝试将每一行转换为索引对象,并对两行执行集合操作。前任。

row1 = pd.Index(sample_data[0])
row2 = pd.Index(sample_data[1])
row1 - row2 

它返回一个 Index 对象,其中包含 row1 独有的值。然后我可以手动推断哪些列具有唯一值。

如何以编程方式获取这些值在初始数据框中对应的列标题?或者,有没有办法比较两个或多个数据框行并提取每行的 6 个不同列值以及相应的标题?理想情况下,生成具有唯一列的新数据框会很好。

特别是,有没有办法使用集合操作来做到这一点?

谢谢你。

4

3 回答 3

8

这是仅返回前两行不同的列的快速解决方案。

In [13]: df = pd.DataFrame(zip(*[range(5), list('abcde'), list('aaaaa'),
...                              list('bbbbb')]), columns=list('ABCD'))

In [14]: df
Out[14]: 
   A  B  C  D
0  0  a  a  b
1  1  b  a  b
2  2  c  a  b
3  3  d  a  b
4  4  e  a  b

In [15]: df[df.columns[df.iloc[0] != df.iloc[1]]]
Out[15]: 
   A  B
0  0  a
1  1  b
2  2  c
3  3  d
4  4  e

以及一种在整个框架中查找具有多个唯一值的所有列的解决方案。

In [33]: df[df.columns[df.apply(lambda s: len(s.unique()) > 1)]]
Out[33]: 
   A  B
0  0  a
1  1  b
2  2  c
3  3  d
4  4  e
于 2013-05-14T02:20:25.557 回答
4

You don't really need the index, you could just compare two rows and use that to filter the columns with a list comprehension.

df = pd.DataFrame({"col1": np.ones(10), "col2": np.ones(10), "col3": range(2,12)})
row1 = df.irow(0)
row2 = df.irow(1)
unique_columns = row1 != row2
cols = [colname for colname, unique_column in zip(df.columns, bools) if unique_column]
print cols # ['col3']

If you know the standard value for each column, you can convert all the rows to a list of booleans, i.e.:

standard_row = np.ones(3)
columns = df.columns
unique_columns = df.apply(lambda x: x != standard_row, axis=1)
unique_columns.apply(lambda x: [col for col, unique_column in zip(columns, x) if unique_column], axis=1)
于 2013-05-14T03:32:09.033 回答
0

除了@jeff-tratner 的回答

  1. 生成两行之间相同单元格的真值表(在这种情况下由它们的索引位置选择):

    uq = di2.iloc[0] != di2.iloc[1]

  2. 获取相同单元格的列列表:

    uq[uq==True].index.to_list()

或获取不同单元格的列列表:

uq[uq!=True].index.to_list()
于 2021-10-13T12:03:48.730 回答