Python Pandas – concat()を使用して2つのDataFrame間の共通行をフェッチします
2つのDataFrame間で共通の行をフェッチするには、 concat()を使用します 働き。 2つの列を持つDataFrame1を作成しましょう-
dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Reg_Price": [1000, 1500, 1100, 800, 1100, 900] } )
2つの列を持つDataFrame2を作成します-
dataFrame2 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Reg_Price": [1200, 1500, 1000, 800, 1100, 1000] } )
concat()-
を使用して2つのDataFrame間で共通の行を検索するdfRes = pd.concat([dataFrame1, dataFrame2])
インデックスのリセット-
dfRes = dfRes.reset_index(drop=True)
グループ化列-
dfGroup = dfRes.groupby(list(dfRes.columns))
カウントを計算するために各行の長さを取得します。 countが1より大きい場合、それは一般的な行を意味します-
res = [k[0] for k in dfGroup.groups.values() if len(k) > 1]
例
以下はコードです-
import pandas as pd # Create DataFrame1 dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Reg_Price": [1000, 1500, 1100, 800, 1100, 900] } ) print"DataFrame1 ...\n",dataFrame1 # Create DataFrame2 dataFrame2 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Reg_Price": [1200, 1500, 1000, 800, 1100, 1000] } ) print"\nDataFrame2 ...\n",dataFrame2 # finding common rows between two DataFrames dfRes = pd.concat([dataFrame1, dataFrame2]) # reset index dfRes = dfRes.reset_index(drop=True) # groupby columns dfGroup = dfRes.groupby(list(dfRes.columns)) # length of each row to calculate the count # if count is greater than 1, that would mean common rows res = [k[0] for k in dfGroup.groups.values() if len(k) > 1] print"\nCommon rows...\n",dfRes.reindex(res)
出力
これにより、次の出力が生成されます-
DataFrame1 ... Car Reg_Price 0 BMW 1000 1 Lexus 1500 2 Audi 1100 3 Tesla 800 4 Bentley 1100 5 Jaguar 900 DataFrame2 ... Car Reg_Price 0 BMW 1200 1 Lexus 1500 2 Audi 1000 3 Tesla 800 4 Bentley 1100 5 Jaguar 1000 Common rows... Car Reg_Price 3 Tesla 800 1 Lexus 1500 4 Bentley 1100
-
Python Pandas-Seabornを使用して、群れを2つのカテゴリ変数でグループ化します
SeabornのSwarmPlotは、重複しないポイントを持つカテゴリ散布図を描画するために使用されます。これにはseaborn.swarmplot()が使用されます。群れを2つのカテゴリ変数でグループ化するには、x、y、または色相を使用してswarmplot()でそれらの変数を設定します。 パラメータ。 次がCSVファイル形式のデータセットであるとしましょう:Cricketers2.csv まず、必要なライブラリをインポートします- import seaborn as sb import pandas as pd import matplotlib.pyplot as plt CSV
-
値が欠落しているPythonPandasの2つのDataFrameを比較する方法
はじめに Pandasは、NumPy NaN(np.nan)オブジェクトを使用して、欠落している値を表します。このNumpyNaN値には、いくつかの興味深い数学的特性があります。たとえば、それ自体と同じではありません。ただし、Python Noneオブジェクトは、それ自体と比較するとTrueと評価されます。 その方法.. np.nanの動作を理解するために、いくつかの例を見てみましょう。 import pandas as pd import numpy as np # Python None Object compared against self. print(f"Outpu