熊猫“只能比较标记相同的DataFrame对象”错误


问题内容

我正在使用Pandas比较加载到两个数据帧(uat,prod)中的两个文件的输出:…

uat = uat[['Customer Number','Product']]
prod = prod[['Customer Number','Product']]
print uat['Customer Number'] == prod['Customer Number']
print uat['Product'] == prod['Product']
print uat == prod

The first two match exactly:
74357    True
74356    True
Name: Customer Number, dtype: bool
74357    True
74356    True
Name: Product, dtype: bool

对于第三次打印,我得到一个错误:只能比较标记相同的DataFrame对象。如果前两个比较好,第三个有什么问题?

谢谢


问题答案:

这是一个小例子来说明这一点(仅适用于DataFrames,不适用于Series,直到Pandas 0.19都适用于两者):

In [1]: df1 = pd.DataFrame([[1, 2], [3, 4]])

In [2]: df2 = pd.DataFrame([[3, 4], [1, 2]], index=[1, 0])

In [3]: df1 == df2
Exception: Can only compare identically-labeled DataFrame objects

一种解决方案是先对索引进行排序(注意:某些函数需要对索引进行排序):

In [4]: df2.sort_index(inplace=True)

In [5]: df1 == df2
Out[5]: 
      0     1
0  True  True
1  True  True

注意:对列的顺序==也很敏感,因此您可能必须使用sort_index(axis=1)

In [11]: df1.sort_index().sort_index(axis=1) == df2.sort_index().sort_index(axis=1)
Out[11]: 
      0     1
0  True  True
1  True  True

注意:这仍然可以提高(如果排序后索引/列的标签不相同)。