时间戳

首页 > 解决方案 > 如何比较两个数据框并返回有差异的列？

python - 如何比较两个数据框并返回有差异的列？

问题描述

我正在准备一个数据框来存储员工技能的变化。

我想比较带有这些标签的两个表：“员工姓名”、“技能名称”、“年份”和“分数”。在第二年雇用了一些员工，并增加了一些技能。我想检查两个数据框中是否缺少员工或技能并填补空白，以便数据框的形状相同。

dataset = dataset[['Employee Name', 'Skill Name', 'Year', 'Score']]

min_y = dataset['Year'].min()
max_y = dataset['Year'].max()

ds1 = ds1.sort_values(['Employee Name', 'Skill Name'], ascending=[True, False])
ds2 = ds2.sort_values(['Employee Name', 'Skill Name'], ascending=[True, False])

ds1 = dataset[dataset['Year']==min_y].reset_index().drop(['index'], axis=1).drop(['Year'], axis=1)
ds2 = dataset[dataset['Year']==max_y].reset_index().drop(['index'], axis=1).drop(['Year'], axis=1)

dsBool = (ds1 != ds2).stack()
dsdiff = pd.concat([ds1.stack()[dsBool], ds2.stack()[dsBool]], axis=1)
dsdiff.columns=["Old", "New"]

目前比较这两个表会导致错误，因为两个 DataFrame 之间的形状不同：Can only compare same-labeled DataFrame objects

标签： pythonpandas

解决方案

据了解，形状错误是由于增加了新员工和更新现有员工的技能。要找出缺失值，您可以加入这些数据框，然后删除重复的条目。这样，剩下的唯一条目将是两个数据帧中不同的条目。

temp = pd.concat((ds1, ds2), axis = 0)
temp = temp.drop_duplicates(subset = 'Employee Name', keep = False, inplace = True)
# keep = False ensures that all repeating entries are considered duplicates

临时数据帧现在由初始 2 个数据帧中不同的所有条目组成。可以在其形状匹配的那些数据框中搜索和编辑它们。

推荐阅读