Python 什么是dataframe.ne方法以及为什么使用它？

当我检查这个pandas

dataframe.ne

方法时，文档说它是一个灵活比较的包装器。我在熊猫的文档中找不到任何关于这一点的适当例子。为什么我们使用这个

df.ne

，以及它如何使数据操作更容易或更灵活？对于相同的方法，是否可以给我举一个使用

df.ne

和不使用

df.ne

的例子，这将有助于我理解

检查是否实现了

DataFrame.ne

。代码并不难理解

本质上，

DataFrame.ne

提供了一种更灵活的执行不等式比较的方法。您还可以指定使用

时无法指定的其他参数=操作员

示例：

DataFrame.ne
允许在索引不对齐的两个数据帧之间进行比较

df0 = pd.DataFrame({'a': [1,2,3], 'b': [0.1, 0.3, 0.9], 'c': [2,4,6]}, index=list('abc'))

df1 = pd.DataFrame({'a': [3,2,1], 'b': [0.9, 0.3, 0.1], 'c': [6,4,2]}, index=list('cba'))

df0.ne(df1)
# outputs:
       a      b      c
a  False  False  False
b  False  False  False
c  False  False  False

但是
df0！=df1
引发以下错误：

ValueError: Can only compare identically-labeled DataFrame objects


DataFrame.ne
接受一系列参数&axis

和

level

s1 = pd.Series([1,2,3], index=list('abc'))

df0.ne(s1, axis=0)
       a     b     c
a  False  True  True
b  False  True  True
c  False  True  True

df0.ne(s1, axis=1)

       a     b     c
a  False  True  True
b   True  True  True
c   True  True  True

后者可以通过

df0！=s1也一样，但不是前者

DataFrame.ne
也接受标量作为参数

df0.ne(1)
# outputs a dataframe where all values are true
       a     b     c
a  False  True  True
b   True  True  True
c   True  True  True


基本上，
ne
代表（不等于）。此方法是python核心
运算符重载实现的一部分
名为_ne__（）的神奇方法

Pandas直接从核心python实现派生出此方法。并为系列定制了它，为状态检查定制了数据框。
它返回布尔值以检查条件

示例：-

ne(a, b) is equivalent to a != b

>>> a = pd.Series([1, 1, 1, np.nan], index=['a', 'b', 'c', 'd'])
>>> b = pd.Series([1, np.nan, 1, np.nan], index=['a', 'b', 'd', 'e'])
>>> a
a    1.0
b    1.0
c    1.0
d    NaN
dtype: float64
>>> b
a    1.0
b    NaN
d    1.0
e    NaN
dtype: float64
>>> a.ne(b,fill_value=0)
a    False
b     True
c     True
d     True
e     True
dtype: bool
>>> 

系列的示例代码：-

ne(a, b) is equivalent to a != b

>>> a = pd.Series([1, 1, 1, np.nan], index=['a', 'b', 'c', 'd'])
>>> b = pd.Series([1, np.nan, 1, np.nan], index=['a', 'b', 'd', 'e'])
>>> a
a    1.0
b    1.0
c    1.0
d    NaN
dtype: float64
>>> b
a    1.0
b    NaN
d    1.0
e    NaN
dtype: float64
>>> a.ne(b,fill_value=0)
a    False
b     True
c     True
d     True
e     True
dtype: bool
>>> 

df.ne还用于要执行的任何列检查。
例如：

not3=3