將一個數據幀中的每一行與 Python 中另一個數據幀中的每一行進行比較

Question

我有兩個具有相同功能的不同數據框。

df1

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

df2

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

我想將 df1 中的每一行與每一行 df2 進行比較，並計算在特征值中發現的差異數。

在我的示例中，我們有 2 個數據幀，每個數據幀有 2 個實例。 所以，會有4種比較。

對於每次比較，我需要返回特征差異的數量。 例如，如果我們將 df1 中的第一行與 df2 中的第一行進行比較，我們將在特征值上有 2 個差異。

知道如何實現嗎？

Answer 1

如果我理解正確，一種方法是使用np.where()並為每個特征單獨計算每行的差異數並對這些數組求​​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)

這將返回一個數組，其中包含每行的特征差異數。 在這種情況下，輸出將是：

[2,2]

如果有很多列，如下例所示，您可以使用 for 循環：

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)

輸出：

[1. 1. 5. 2.]