Python 跨多个数据帧的布尔比较

我有一个问题，我想比较多个数据帧的值。以下是一个代码片段示例：

data0 = [[1,'01-01'],[2,'01-02']]
data1 = [[11,'02-30'],[12,'02-25']]
data2 = [[8,'02-30'],[22,'02-25']]
data3 = [[7,'02-30'],[5,'02-25']]
df0 = pd.DataFrame(data0,columns=['Data',"date"])
df1 = pd.DataFrame(data1,columns=['Data',"date"])
df2 = pd.DataFrame(data2,columns=['Data',"date"])
df3 = pd.DataFrame(data3,columns=['Data',"date"])
result=(df0['Data']| df1['Data'])>(df2['Data'] | df3['Data'])

我希望看到的是，如果

df0

rowX

或

df1

rowX

中的值大于

df2

rowX

或

df3

rowX

返回

True

，否则它应该是

false

。在上述代码中，

df1

中的11大于8和7（分别为df2和3），因此结果应为真，然后对于第二行，2或12均不大于22（df2），因此应为假。然而，结果给了我很多

False,False

而不是

True,False

---

有什么想法或帮助吗？

您现有的解决方案不起作用，因为

运算符对元素执行按位or操作

df0.Data | df1.Data

0    11
1    14
Name: Data, dtype: int64

这将导致您比较与dataframe列中的值不同的值。总之，您的方法并不像您期望的那样比较值

---

您可以通过查找-

• df0

  和

  df1

  的每行最大值，以及

• df2

  和

  df3

比较这两列以检索结果-

i = np.max([df0.Data, df1.Data], axis=0)
j = np.max([df2.Data, df3.Data], axis=0)

i > j
array([ True, False], dtype=bool)

这种方法对于任何数量的数据帧都具有极高的可扩展性。

问题 对于您的数据：

>>> df0['Data']
0    1
1    2
Name: Data, dtype: int64
>>> df1['Data']
0    11
1    12
Name: Data, dtype: int64

您的a正在按位或使用

|

：

>>> df0['Data']| df1['Data']
0    11
1    14
Name: Data, dtype: int64
>>> df2['Data']| df3['Data']
0    15
1    23
Name: Data, dtype: int64

对单个数字执行此操作：

>>> 1 | 11
11
>>> 2 | 12
14

这不是你想要的

解决方案 您可以使用

np.max

从每个系列中查找最大值：

>>> np.maximum(df0['Data'], df1['Data']) > np.maximum(df2['Data'], df3['Data'])
0     True
1    False
Name: Data, dtype: bool

---

大小和列是否相同？嗯，不完全相同

np.max（[a，b]，axis=0）

返回一个NumPy数组，而

np.max（a，b）

如果

a

和

b

是序列，则返回一个序列。