我有两个数据集需要验证。所有记录应匹配。我在确定如何遍历每个不同的列时遇到了麻烦。
import pandas as pd
import numpy as np
df = pd.DataFrame([['charlie', 'charlie', 'beta', 'cappa'], ['charlie', 'charlie', 'beta', 'delta'], ['charlie', 'charlie', 'beta', 'beta']], columns=['A_1', 'A_2','B_1','B_2'])
df.head()
Out[83]:
A_1 A_2 B_1 B_2
0 charlie charlie beta cappa
1 charlie charlie beta delta
2 charlie charlie beta beta
例如,在上面的代码中,我想将A_1与A_2和B_1与B_2进行比较,以分别返回一个新列A_check和B_check,如果A_1与A_2匹配为A_Check,则返回True。
像这样的东西:
df['B_check'] = np.where((df['B_1'] == df['B_2']), 'True', 'False')
df_subset = df[df['B_check']=='False']
但是可在任何给定的列名上进行迭代,其中需要检查的列始终在下划线之前具有相同的名称,而在下划线之后始终具有1或2。
最终,实际任务具有多个数据框,其中要检查的列数以及要检查的列数都不同。我最终要获得的输出是一个数据帧,该数据帧显示了对任何特定列检查都为假的所有记录。
最佳答案
使用更全面的正则表达式:
from itertools import groupby
import re
for k, cols in groupby(sorted(df.columns), lambda x: x[:-2] if re.match(".+_(1|2)$", x) else None):
cols=list(cols)
if(len(cols)==2 and k):
df[f"{k}_check"]=df[cols[0]].eq(df[cols[1]])
它将仅将名称以
_1
和_2
结尾的列配对在一起,而不管它们之前的名称是什么,仅当存在2- _check
和_1
时(假设您没有2个同名列),才计算_2
。对于样本数据:
A_1 A_2 B_1 B_2 A_check B_check
0 charlie charlie beta cappa True False
1 charlie charlie beta delta True False
2 charlie charlie beta beta True True
关于python - 查找列之间不匹配的条目并遍历列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60458581/