Python 按元素比较或区分两列

我不熟悉熊猫（但不熟悉数据科学和Python）。这个问题不是关于如何解决这个具体问题，而是如何以熊猫的方式处理这样的问题

请随意改进这个问题的标题。因为我不确定这里的正确术语是什么

这是我的MWE

#!/usr/bin/env python3

import pandas as pd

data = {'A': [1, 2, 3, 3, 1, 4],
        'B': ['One', 'Two', 'Three', 'Three', 'Eins', 'Four']}

df = pd.DataFrame(data)

print(df)

导致

   A      B
0  1    One
1  2    Two
2  3  Three
3  3  Three
4  1   Eins
5  4   Four

我的假设是，当

A

列中的值为

1

时，

B

列中的值始终为

1

。等等

我想证明这个假设

第二，我还假设，如果我的第一个假设不正确，这不是一个错误，但有充分的（人为）原因。e、 g.参见行索引

4

，其中

A

-值与

Eins

（而不是

One

）相关，在

B

列中

因此，我还需要看到和探索我的假设不正确的情况

问题更新： 这些数据只是一个例子。在现实世界中，我并没有意识到这两列是成对的。因为这样的解决方案在我的情况下不起作用

df.loc[df['A'] == 1, 'B']

我不知道A列中有多少个表达式和哪些表达式

我不知道如何使用

pandas

。熊猫专业人士将如何解决这个问题

---

我的方法是将纯Python代码与

list（）

、

set（）

和一些迭代一起使用

您可以通过以下方式过滤数据帧：

df.loc[df['A'] == 1, 'B']

这给出了B的值，其中A是1。接下来，您可以添加equals语句：

df.loc[df['A'] == 1, 'B'] == 'One'

这将产生一个布尔序列（在本例中为True，为False）。如果要检查是否全部为真，请添加：

all(df.loc[df['A'] == 1, 'B'] == 'One')

因为EIN，答案是错误的

编辑

如果要创建一个新列，说明是否满足条件（如果满足条件，则B的值始终相同），则可以执行以下操作：

df['C'] = df['A'].map(df.groupby('A')['B'].nunique() < 2)

df['C']=df['A'].map（df.groupby（'A'）['B'].nunique（）<2）

---

这将导致一个布尔列。它通过将A中的值映射到括号中的列表来创建列C。在括号之间，它是a中值的groupby函数，并计算B中的唯一值。如果小于2，则它是唯一的。如果解决方案应测试每个

a

是否只有一个唯一值，并返回所有未在中使用计数唯一值的行，以重复每个组的聚合值，因此，可能的筛选行不是

1

，这意味着每个

A

有2个或多个唯一值：

df1 = df[df.groupby('A').B.transform('nunique').ne(1)]
print (df1)
   A     B
0  1   One
4  1  Eins

---

---

谢谢你的回答，这使我想到另一个我不知道的问题。我更新了我的问题。我不明白为什么我必须在

df['A']上使用
map（）
。

。map函数用于字典格式。在本例中，groupby将生成一个系列，其中a的所有唯一值都作为索引，a的值作为布尔值。因此，如果groupby生成True或False，则映射将在一个数组中查找每个元素。我建议将df.groupby（'A'）['B'].nunique（）<2部分保存为变量，并将其打印或查看变量资源管理器。我认为就是这样。但我有点自大，试着去理解。但我没有如果你能用更多的原子步骤来解释这个解决方案。。。这太好了。

if df1.empty:
    print ('My assumption is good')
else:
    print ('My assumption is wrong')
    print (df1)