比较熊猫数据框的行（行有一些重叠的值）

Question

我有一个包含 21 列的 Pandas 数据框。我关注的是具有完全相同列数据值的行的子集，除了每行唯一的 6 个行。我不知道这 6 个值对应于哪个列标题。

我尝试将每一行转换为 Index 对象，并对两行执行设置操作。前任。

row1 = pd.Index(sample_data[0])
row2 = pd.Index(sample_data[1])
row1 - row2 

它返回一个 Index 对象，其中包含对 row1 唯一的值。然后我可以手动推断哪些列具有唯一值。

如何以编程方式获取这些值在初始数据框中对应的列标题？或者，有没有办法比较两个或多个数据框行并提取每行的 6 个不同列值以及相应的标题？理想情况下，生成具有唯一列的新数据框会很好。

特别是，有没有办法使用集合操作来做到这一点？

谢谢你。

Answer 1

这是仅返回前两行不同的列的快速解决方案。

In [13]: df = pd.DataFrame(zip(*[range(5), list('abcde'), list('aaaaa'),
...                              list('bbbbb')]), columns=list('ABCD'))

In [14]: df
Out[14]: 
   A  B  C  D
0  0  a  a  b
1  1  b  a  b
2  2  c  a  b
3  3  d  a  b
4  4  e  a  b

In [15]: df[df.columns[df.iloc[0] != df.iloc[1]]]
Out[15]: 
   A  B
0  0  a
1  1  b
2  2  c
3  3  d
4  4  e

以及在整个框架中查找具有多个唯一值的所有列的解决方案。

In [33]: df[df.columns[df.apply(lambda s: len(s.unique()) > 1)]]
Out[33]: 
   A  B
0  0  a
1  1  b
2  2  c
3  3  d
4  4  e