¿Cómo comparo columnas en diferentes marcos de datos?

Me gustaría comparar una columna de un df con otras df. Las columnas son nombres y apellidos. Me gustaría comprobar si una persona en un marco de datos está en otro.

Si desea verificar valores iguales en una determinada columna, digamos Nombre, puede combinar ambos Dataframes en uno nuevo:

mergedStuff = pd.merge(df1, df2, on=['Name'], how='inner')
mergedStuff.head()

Creo que esto es más eficiente y más rápido que wheresi tienes un gran conjunto de datos

df1.where(df1.values==df2.values).notna()

TrueLas entradas muestran elementos comunes. Esto también revela la posición de los elementos comunes, a diferencia de la solución con merge.

Comparar valores en dos columnas diferentes

Usando set, obtenga valores únicos en cada columna. La intersección de estos dos conjuntos proporcionará los valores únicos en ambas columnas.

Ejemplo:

df1 = pd.DataFrame({'c1': [1, 4, 7], 'c2': [2, 5, 1], 'c3': [3, 1, 1]}) df2 = pd.DataFrame({'c4': [1, 4, 7], 'c2': [3, 5, 2], 'c3': [3, 7, 5]}) set(df1['c2']).intersection(set(df2['c2']))

Salida: {2, 5}

Comparación de nombres de columna de dos marcos de datos

En caso de que esté tratando de comparar los nombres de columna de dos marcos de datos:

Si df1y df2son los dos marcos de datos: set(df1.columns).intersection(set(df2.columns))

Esto proporcionará los nombres de columna únicos que están contenidos en ambos marcos de datos.

Ejemplo:

df1 = pd.DataFrame({'c1': [1, 4, 7], 'c2': [2, 5, 1], 'c3': [3, 1, 1]})
df2 = pd.DataFrame({'c4': [1, 4, 7], 'c2': [3, 5, 2], 'c3': [3, 7, 5]})

set(df1.columns).intersection(set(df2.columns))

Salida: {'c2', 'c3'}

Puede hacer doble comprobar el número exacto de posiciones comunes y diferentes entre dos df utilizando isin y value_counts ()

Como eso:

df['your_column_name'].isin(df2['your_column_name']).value_counts()

Resultado:

Verdadero = común Falso = diferente

Tenga en cuenta que las columnas de los marcos de datos son series de datos. Entonces, si toma dos columnas como series de pandas, puede compararlas tal como lo haría con matrices numpy.