Python 如何比较来自不同数据帧的列

我有这两个数据帧

{'Category': {0: 'BASE2_TREE_FILTER vs RETAIL 100', 1: 'LR_TREE_FILTER vs RETAIL 100'}, 'Mean': {0: 4.859101849501094, 1: 3.349513603073975}, 'Absolute Mean': {0: 6.917727336706257, 1: 5.352618468237218}, 'Increase': {0: 13, 1: 13}, '%change(Increase)': {0: 9.059099374005655, 1: 6.693947747162456}, 'Decrease': {0: 7, 1: 7}, '%change(Decrease)': {0: -2.940893553150234, 1: -2.861578378804634}, 'unchanged': {0: 0, 1: 0}}

第二个：

{'Category': {0: 'BASE2_TREE_FILTER vs RETAIL 100', 1: 'LR_TREE_FILTER vs RETAIL 100'}, 'Mean': {0: 4.947988913441173, 1: 4.494044038470856}, 'Absolute Mean': {0: 6.972378375288884, 1: 6.366948207708872}, 'Increase': {0: 26, 1: 26}, '%change(Increase)': {0: 8.252561969120809, 1: 7.519148478124428}, 'Decrease': {0: 9, 1: 9}, '%change(Decrease)': {0: -4.04877892369542, 1: -3.745808338476033}, 'unchanged': {0: 1, 1: 1}}

我需要比较两者的绝对平均值，无论哪个数据帧的绝对平均值较低，然后返回那个值。我该怎么做

数据帧1：

数据帧2：

编辑：

---

行数将来可能会有所不同，因此我正在寻找一种通用解决方案。

您可以使用

np.where

，其中的条件是要知道哪个数据帧的平均值较小

例如，解决方案可以是：

创建两个数据帧

data1={'Category'：{0:'BASE2_TREE_FILTER vs RETAIL 100'，1:'LR_TREE_FILTER vs RETAIL 100'，'Mean'：{0:4.859101849501094，1:3.349513603073975}，'绝对平均数'：{0:6.917727336706257，1:5.352618468237218}，'增加'：{0:13,1:13}，%变化（增加）{0:9.059099374005655，1:6.69747，'（减少）“{0:-2.940893553150234，1:-2.861578378804634}，'不变'：{0:0，1:0}”
df1=pd.DataFrame（数据1）

data2={'Category'：{0:'BASE2_TREE_FILTER vs RETAIL 100'，1:'LR_TREE_FILTER vs RETAIL 100'，'Mean'：{0:4.947988913441173，1:4.494044038470856}，'Absolute Mean'：{0:6.9723783752884，1:6.366948207087708872}，'增加'，{0:26，1:26}，%变化（增加）:{0:8.252569120809，1:7.48819，'（减少）“{0:-4.04877892369542，1:-3.745808338476033}，'不变'：{0:1，1:1}”
df2=pd.DataFrame（数据2）

我创建了另一个数据帧，结果如下：

result=pd.DataFrame（）
结果['Category']=df1['Category']

我使用np.where来知道哪个数据帧的平均值较低：

result['Data from']=np.其中（df1['Absolute Mean']

输出

最小绝对平均值的类别数据
0基本2树过滤器与零售100 df1 6.917727
1 LR_树_过滤器与零售100 df1 5.352618

灵感来自anwser：

将熊猫作为pd导入
df1=pd.DataFrame（{'Category'：{0:'BASE2_TREE_FILTER vs RETAIL 100'，1:'LR_TREE_FILTER vs RETAIL 100'}，
'平均数'：{0:4.859101849501094，1:3.349513603073975}，
‘绝对平均数’：{0:6.917727336706257，1:5.352618468237218}，
'增加'：{0:13,1:13}，
“%change（Increase）”{0:9.059099374005655，1:6.693947747162456}，
'减少'：{0:7,1:7}，
“%change（reduce）”{0:-2.940893553150234，1:-2.861578378804634}，
“未更改”：（0:0，1:0}）
df2=pd.DataFrame（{'Category'：{0:'BASE2_TREE_FILTER vs RETAIL 100'，1:'LR_TREE_FILTER vs RETAIL 100'}，
'平均数'：{0:4.947988913441173，1:4.494044038470856}，
‘绝对平均数’：{0:6.972378375288884，1:6.366948207708872}，
'增加'：{0:26,1:26}，
“%change（Increase）”{0:8.252561969120809，1:7.519148478124428}，
'减少'：{0:9,1:9}，
“%change（reduce）”{0:-4.04877892369542，1:-3.745808338476033}，
“未更改”：（0:1，1:1}）
df3=df1。其中（df1[‘绝对平均值’]

数据框在哪里？这些是字典。这些是数据框。将它们放在这样的位置以使其可复制。您是在寻找基于绝对平均值整列的比较还是基于每行的比较？整列@GilPinsky

                          Category      Mean  Absolute Mean  Increase  %change(Increase)  Decrease  %change(Decrease)  unchanged
0  BASE2_TREE_FILTER vs RETAIL 100  4.859102       6.917727        13           9.059099         7          -2.940894          0
1     LR_TREE_FILTER vs RETAIL 100  3.349514       5.352618        13           6.693948         7          -2.861578          0

                          Category      Mean  Absolute Mean  Increase  %change(Increase)  Decrease  %change(Decrease)  unchanged
0  BASE2_TREE_FILTER vs RETAIL 100  4.947989       6.972378        26           8.252562         9          -4.048779          1
1     LR_TREE_FILTER vs RETAIL 100  4.494044       6.366948        26           7.519148         9          -3.745808          1