我如何在两个不同的熊猫数据框中相互比较值

Question

我有两个不同的熊猫数据框。 一种叫做“价格”，它具有模式

SKU, price

第二个数据帧称为sales_tracking，其中包含有关给定价格下SKU的销售数量的信息。 它的架构是

SKU, price, total_orders, total_visits

但是，当我们在“价格”数据框中添加一个SKU的新价格点时，在“ sales_tracking”数据框中将没有匹配的记录，这时我必须在“ sales_tracking”中添加一个新条目从另一个数据集中估算total_orders和total_visits的数据框（我们这样做是为了估算转化率）。

我遇到的问题是可以检查定价数据框中的价格值是否也存在于sales_tracking数据框中。 在进行比较之前，我首先为定价数据和销售数据创建临时数据框，如下所示：

sku_specific_sales_records = sales_tracking[sales_tracking['product']==product]

sku_specific_price = sku_specific_price [sku_specific_price ['product']==product]

需要明确的是，sku_specific_sales_records和sku_specific_price都可能包含多个记录。 我正在尝试确定sku_specific_price中有一行，其中sku_specific_price ['price']不在sku_specific_sales_records ['price']中的情况。

我尝试了各种不同的东西。 像这样简单

if sku_specific_sales_records['price'] == sku_specific_price['price']:

不起作用，我收到ValueError“只能比较标记相同的Series对象”。因此，我也尝试了

if sku_specific_price['price'].isin(sku_specific_sales_records['price']):
   doTheThingIfTheyMatch
else:
   doTheOtherThing

这就产生了另一个ValueError：“系列的真值不明确。请使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。因此，我尝试使用a.bool（）

if sku_specific_price['price'].isin(sku_specific_sales_records['price']).bool():
   doTheThingIfTheyMatch
else:
   doTheOtherThing

但这使我重新陷入了“ ValueError：只能比较标记相同的Series对象”的问题。

这是一个说明问题的小例子。

import pandas as pd
sales = pd.DataFrame(columns={'product', 'price', 'sales', 'orders'})
pricing = pd.DataFrame(columns={'product', 'price'})
sales.loc[0] = [123, 10, 5, 5]
sales.loc[1] = [123, 15, 2, 10]
pricing.loc[0] = [123, 8]
if sales['price'].isin(pricing['price']):
    print "true"
else:
    print "false"

Answer 1

在python ，评估比较时需要使用==代替= 。

这是因为=是赋值运算符，因此不能用于比较。

尝试这个：

if sku_specific_sales_records['price'] == sku_specific_price['price']:

注意：还建议使用简短的变量名，因为这样会减少输入错误的可能性，而且打字速度也更快。

Answer 2

所以解决方案似乎是将.bool（）替换为.any（），如下所示

import pandas as pd
sales = pd.DataFrame(columns={'product', 'price', 'sales', 'orders'})
pricing = pd.DataFrame(columns={'product', 'price'})
sales.loc[0] = [123, 10, 5, 5]
sales.loc[1] = [123, 15, 2, 10]
pricing.loc[0] = [123, 8]
if sales['price'].isin(sales['price']).any() 
    print "true"
else:
    print "false"

.bool（）无效，因为.bool（）仅适用于单个元素，即标量值。 我试图使用它来检查一个系列中的值是否在另一个系列中，所以即使我的销售数据框仅包含一行，销售数据框也可能包含多行。 .any（）或.all（）定义比较必须满足的条件。

例如，我想确定某个销售中不存在的特定SKU的定价中是否有任何行（例如新定价点），在这种情况下，我将使用导入熊猫作为pd sales.loc [0] = [123，10，5，5] sales.loc [1] = [123，15，2，10] Price.loc [0] = [123，8] Price.loc [1] = [123，10] Price.loc [2] = [123，15]印刷销售印刷定价印刷销售['price']印刷定价['price']如果定价['price']。isin（sales ['price']）。all（ ）：打印“ true”，否则：打印“ false”

因为我需要将price ['price']中的所有值都匹配到sales ['price']。 如果只需要一个匹配值，则可以使用.any（）。