DataFrame检查2列是否包含相同的元素

Question

我有一个数据框，并有2列X＆amp; Y.

df = pd.DataFrame({ 
'X': ['a', 'a,b,c', 'a,d', 'e,f', 'a,c,d,f', 'e'], 
'Y': ['a', 'a,c,b', 'd,a', 'e,g', 'a,d,f,g', 'e']
})

我想在数据框架中创建一个新列（'Match'），如果列x＆amp; y具有相同的元素，然后是true否则错误。

df = pd.DataFrame({ 
'X': ['a', 'a,b,c', 'a,d', 'e,f', 'a,c,d,f', 'e'], 
'Y': ['a', 'a,c,b', 'd,a', 'e,g', 'a,d,f,g', 'e'],
'Match':['True','True','True','False','False','True']
})

请帮助我

Answer 1

这起作用：

df['Match']=df['X'].apply(set)==df['Y'].apply(set)

基本上，我在这里做的是将每个数据点从每列转换为一组，然后将它们进行比较。

它应该独立于那种（例如数字或字符串）独立起作用。

但是，请注意，如果有复制，则不会有所不同。例如，如果您具有'a，c，c，b'vs'a，c，b'，那将产生真实。

Answer 2

您可以尝试将列拆分以列出，然后进行排序并进行比较。

df['Match2'] = df['X'].str.split(',').apply(sorted) == df['Y'].str.split(',').apply(sorted)

或者，您可以将列表转换为设置和比较，具体取决于您是否需要重复

df['Match2'] = df['X'].str.split(',').apply(set) == df['Y'].str.split(',').apply(set)

print(df)

         X        Y  Match  Match2
0        a        a   True    True
1    a,b,c    a,c,b   True    True
2      a,d      d,a   True    True
3      e,f      e,g  False   False
4  a,c,d,f  a,d,f,g  False   False
5        e        e   True    True

以避免重复，可以做

df['Match'] = df[['X', 'Y']].apply(lambda col: col.str.split(',').apply(sorted)).eval('X == Y')

Answer 3

许多方法可以做到这一点，一种方法是爆炸您的数组，对它们进行排序并匹配以保持平等。

import numpy as np

df1 = df.stack()\
        .str.split(',')\
            .explode()\
            .sort_values()\
            .groupby(level=[0,1])\
            .agg(list).unstack(1)


df['match'] = np.where(df1['X'].eq(df1['Y']),True,False)

         X        Y  match
0        a        a   True
1    a,b,c    a,c,b   True
2      a,d      d,a   True
3      e,f      e,g  False
4  a,c,d,f  a,d,f,g  False
5        e        e   True