将一个数据帧中的每一行与 Python 中另一个数据帧中的每一行进行比较

Question

我有两个具有相同功能的不同数据框。

df1

   AGE   Country     Income
   -----------------------
   33    UK          3500
   24    Australia   1500

df2

   AGE   Country     Income
   -----------------------
   33    Brazil      1300
   54    Australia   2230

我想将 df1 中的每一行与每一行 df2 进行比较，并计算在特征值中发现的差异数。

在我的示例中，我们有 2 个数据帧，每个数据帧有 2 个实例。 所以，会有4种比较。

对于每次比较，我需要返回特征差异的数量。 例如，如果我们将 df1 中的第一行与 df2 中的第一行进行比较，我们将在特征值上有 2 个差异。

知道如何实现吗？

Answer 1

如果我理解正确，一种方法是使用np.where()并为每个特征单独计算每行的差异数并对这些数组求​​和：

arr = np.where(df_1['Age']!=df_2['Age'],1,0) + np.where(df_1['Country'] != df_2['Country'],1,0) + np.where(df_1['Income']!=df_2['Income'],1,0)

这将返回一个数组，其中包含每行的特征差异数。 在这种情况下，输出将是：

[2,2]

如果有很多列，如下例所示，您可以使用 for 循环：

df_1 = pd.DataFrame({'Age':[1,2,3,4],'Country':['Brazil','UK','Australia','China'],'Var_x':[7,5,7,7],'Var_y':[3,6,3,2],'Var_z':[20,32,31,34]}) 
df_2 = pd.DataFrame({'Age':[1,2,4,5],'Country':['Egypt','UK','India','China'],'Var_x':[7,4,3,7],'Var_y':[3,6,2,2],'Var_z':[20,32,4,32]})
differences = np.zeros(len(df_1))
for i in df_1:
  differences += np.where(df_1[i]!=df_2[i],1,0)
print(differences)

输出：

[1. 1. 5. 2.]