如何比较数据框中同一列的数据

Question

我有一个 Panda 的数据框，如下所示：

我想获得 2007 年 PIB 低于 2002 年的国家，但我无法仅使用 Pandas 内置方法而不使用 python 迭代或类似的东西来编写代码来做到这一点。我得到的最多的是以下几行：

df[df[df.year == 2007].PIB < df[df.year == 2002].PIB].country

但我收到以下错误：

ValueError: Can only compare identically-labeled Series objects

到目前为止，我只使用 Pandas 来过滤不同列中的数据，但我不知道如何比较同一列中的数据，在本例中是年份。

Answer 1

我的策略是使用数据透视表。假设没有两行具有相同的（“国家/地区”，“年份”）对。在此假设下，aggfunc=np.sum代表唯一的单一PIB值。table = pd.pivot_table(df, values='PIB', index=['country'],                     columns=['year'], aggfunc=np.sum)[[2002,2007]]                     list(table[table[2002] > table[2007]].index)数据透视表看起来像这样：

Answer 2

我建议Series按country列创建索引，但必须在具有相同索引值的系列中2007和2002比较系列中使用相同数量的国家：df = pd.DataFrame({'country': ['Afganistan', 'Zimbabwe', 'Afganistan', 'Zimbabwe'],                  'PIB': [200, 200, 100, 300],                   'year': [2002, 2002, 2007, 2007]})print (df)      country  PIB  year0  Afganistan  200  20021    Zimbabwe  200  20022  Afganistan  100  20073    Zimbabwe  300  2007df = df.set_index('country')print (df)            PIB  yearcountry              Afganistan  200  2002Zimbabwe    200  2002Afganistan  100  2007Zimbabwe    300  2007df1 = df.pivot('country','year','PIB')print (df1)year        2002  2007country               Afganistan   200   100Zimbabwe     200   300countries = df1.index[df1[2007] < df1[2002]]print (countries)Index(['Afganistan'], dtype='object', name='country')s1 = df.loc[df.year == 2007, 'PIB'] s2 = df.loc[df.year == 2002, 'PIB']print (s1)countryAfganistan    100Zimbabwe      300Name: PIB, dtype: int64print (s2)countryAfganistan    200Zimbabwe      200Name: PIB, dtype: int64countries = s1.index[s1 < s2]print (countries)Index(['Afganistan'], dtype='object', name='country')另一个想法是首先按年份进行旋转DataFrame.pivot，然后按年份选择列并与中的索引进行比较boolean indexing：df1 = df.pivot('country','year','PIB')print (df1)year        2002  2007country               Afganistan   200   100Zimbabwe     200   300countries = df1.index[df1[2007] < df1[2002]]print (countries)Index(['Afganistan'], dtype='object', name='country')

Answer 3

这是我的数据框：df = pd.DataFrame([&nbsp; &nbsp; {"country": "a", "PIB": 2, "year": 2002},&nbsp; &nbsp; {"country": "b", "PIB": 2, "year": 2002},&nbsp; &nbsp; {"country": "a", "PIB": 1, "year": 2007},&nbsp; &nbsp; {"country": "b", "PIB": 3, "year": 2007},])如果我过滤 2002 年和 2007 年这两年，我得到了。df_2002 = df[df["year"] == 2007]out :&nbsp;&nbsp; country&nbsp; PIB&nbsp; year0&nbsp; &nbsp; &nbsp; &nbsp;a&nbsp; &nbsp; 2&nbsp; 20021&nbsp; &nbsp; &nbsp; &nbsp;b&nbsp; &nbsp; 2&nbsp; 2002df_2007 = df[df["year"] == 2007]out :&nbsp;&nbsp; country&nbsp; PIB&nbsp; year2&nbsp; &nbsp; &nbsp; &nbsp;a&nbsp; &nbsp; 1&nbsp; 20073&nbsp; &nbsp; &nbsp; &nbsp;b&nbsp; &nbsp; 3&nbsp; 2007您想要比较每个国家/地区 PIB 的演变。Pandas 不知道这一点，它尝试比较值，但这里基于相同的索引。Witch不是你想要的，也是不可能的，因为索引不一样。所以你只需要使用set_index()df.set_index("country",&nbsp; inplace=True)df_2002 = df[df["year"] == 2007]out :&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;PIB&nbsp; yearcountry&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;a&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 1&nbsp; 2007b&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 3&nbsp; 2007df_2007 = df[df["year"] == 2007]out :&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;PIB&nbsp; yearcountry&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;a&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 2&nbsp; 2002b&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 2&nbsp; 2002现在你可以进行比较df_2002.PIB > df_2007.PIBout:countrya&nbsp; &nbsp; &nbsp;Trueb&nbsp; &nbsp; FalseName: PIB, dtype: bool# to get the list of countries(df_2002.PIB > df_2007.PIB)[res == True].index.values.tolist()out :&nbsp;['a']

Answer 4

试试这个（考虑到您只需要这些国家/地区的列表）：[i&nbsp;for&nbsp;i&nbsp;in&nbsp;df.country&nbsp;if&nbsp;df[(df.country==i)&nbsp;&&nbsp;(df.year==2007)].PIB.iloc[0]&nbsp;<&nbsp;df[(df.country==i)&nbsp;&&nbsp;(df.year==2002)].PIB.iloc[0]]