Python 逐行、逐单元格比较两个数据帧

我有两个数据帧，

df1

和

df2

，希望执行以下操作，将结果存储在

df3

：

for each row in df1:

    for each row in df2:

        create a new row in df3 (called "df1-1, df2-1" or whatever) to store results 

        for each cell(column) in df1: 

            for the cell in df2 whose column name is the same as for the cell in df1:

                compare the cells (using some comparing function func(a,b) ) and, 
                depending on the result of the comparison, write result into the 
                appropriate column of the "df1-1, df2-1" row of df3)

例如，类似于：

df1
A   B    C      D
foo bar  foobar 7
gee whiz herp   10

df2
A   B   C      D
zoo car foobar 8

df3
df1-df2 A             B              C                   D
foo-zoo func(foo,zoo) func(bar,car)  func(foobar,foobar) func(7,8)
gee-zoo func(gee,zoo) func(whiz,car) func(herp,foobar)   func(10,8)

我从以下几点开始：

for r1 in df1.iterrows():
    for r2 in df2.iterrows():
        for c1 in r1:
            for c2 in r2:

---

但我不知道该怎么办，希望能得到一些帮助

因此，要继续评论中的讨论，您可以使用矢量化，这是pandas或numpy等图书馆的卖点之一。理想情况下，您不应该调用

iterrows（）

。我的建议更明确一点：

# with df1 and df2 provided as above, an example
df3 = df1['A'] * 3 + df2['A']

# recall that df2 only has the one row so pandas will broadcast a NaN there
df3
0    foofoofoozoo
1             NaN
Name: A, dtype: object

# more generally

# we know that df1 and df2 share column names, so we can initialize df3 with those names
df3 = pd.DataFrame(columns=df1.columns) 
for colName in df1:
    df3[colName] = func(df1[colName], df2[colName]) 

现在，您甚至可以将不同的函数应用于不同的列，例如，创建lambda函数，然后使用列名压缩它们：

# some example functions
colAFunc = lambda x, y: x + y
colBFunc = lambda x, y; x - y
....
columnFunctions = [colAFunc, colBFunc, ...]

# initialize df3 as above
df3 = pd.DataFrame(columns=df1.columns)
for func, colName in zip(columnFunctions, df1.columns):
    df3[colName] = func(df1[colName], df2[colName])

我想到的唯一一个“问题”是，您需要确保您的函数适用于列中的数据。例如，如果您要执行类似于

df1['A']-df2['A']

（使用您提供的df1、df2）的操作，则会产生

ValueError

，因为两个字符串的减法未定义。只是一些需要注意的事情

---

编辑，回复：您的评论：这也是可行的。迭代较大的dfX.columns，这样就不会遇到

KeyError

，并在其中抛出

if

语句：

# all the other jazz
# let's say df1 is [['A', 'B', 'C']] and df2 is [['A', 'B', 'C', 'D']]
# so iterate over df2 columns
for colName in df2:
    if colName not in df1:
        df3[colName] = np.nan # be sure to import numpy as np
    else:
        df3[colName] = func(df1[colName], df2[colName])  

---

因为您将func应用于同名的列，所以可以只遍历这些列并使用矢量化，例如df3['a']=func（df1['a']，df2['a']），等等？@StarFox很有趣，所以我可以这样做：对于df3中的列：df3[column]=func（df1[column]，df2[column]）？当然！这就是pandas/numpy（通常是矢量化）的力量。我将在下面提供一些示例，我们将从这里开始。我认为您可以基于两个数据帧之间的笛卡尔积来制定解决方案，请看这里的起点：@Svend这似乎是一个很有希望的想法，谢谢！不过，我会先试试StarFox的解决方案。是的，这非常有帮助，我已经接受了它作为答案，非常感谢您抽出时间！如果列数不相等，是否可以修改此选项以供使用？即，df1中可能有df2中不存在的列；比较函数应该只输出类似于N/A的内容。