对两个dataframe中的两个列进行比较，并增加新的列保存比较结果

可以使用pandas库中的apply函数来实现。假设你的两个dataframe分别为df1和df2，你需要比较的两个列分别为col1和col2，比较结果保存在新的列col3中，代码如下：

import pandas as pd

df1 = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']})
df2 = pd.DataFrame({'col1': [1, 2, 4], 'col2': ['a', 'b', 'd']})

def compare_rows(row1, row2):
    if row1['col1'] == row2['col1'] and row1['col2'] == row2['col2']:
        return True
    else:
        return False

df1['col3'] = df1.apply(lambda row: compare_rows(row, df2.loc[df2.index[0]]), axis=1)

print(df1)

这里定义了一个compare_rows函数，用于比较两行数据。然后使用apply函数将该函数应用到df1的每一行上，并将比较结果保存在新的列col3中。需要注意的是，这里假设df2只有一行数据，如果有多行数据需要进行循环遍历比较。

相关问题

将两个dataframe的两个列进行比较，并新增加一个列保存结果，结果相同的标记为1，不同的标记为0

好的，可以使用 Pandas 库来实现这个功能。假设我们要比较的两个 DataFrame 分别为 df1 和 df2，要比较的两列分别为 col1 和 col2，那么可以按照以下步骤进行操作：

1. 首先将两个 DataFrame 按照 col1 列进行合并，使用 merge 函数实现：

merged_df = pd.merge(df1, df2, on='col1')

2. 然后比较 col2_x 和 col2_y 两列是否相同，生成一个新列 result，使用 apply 函数和 lambda 表达式实现：

merged_df['result'] = merged_df.apply(lambda row: 1 if row['col2_x'] == row['col2_y'] else 0, axis=1)

3. 最后可以将结果保存到新的 DataFrame 中，只保留需要的列：

new_df = merged_df[['col1', 'result']]

完整代码如下所示：

import pandas as pd

# 创建示例数据
df1 = pd.DataFrame({'col1': ['a', 'b', 'c'], 'col2': [1, 2, 3]})
df2 = pd.DataFrame({'col1': ['a', 'c', 'd'], 'col2': [1, 4, 5]})

# 将两个 DataFrame 按照 col1 列进行合并
merged_df = pd.merge(df1, df2, on='col1')

# 比较 col2_x 和 col2_y 两列是否相同，生成一个新列 result
merged_df['result'] = merged_df.apply(lambda row: 1 if row['col2_x'] == row['col2_y'] else 0, axis=1)

# 将结果保存到新的 DataFrame 中，只保留需要的列
new_df = merged_df[['col1', 'result']]

print(new_df)

输出结果为：

  col1  result
0    a       1
1    c       0

计算dataframe两个列的比值并将结果保存在另一个dataframe中的python代码

可以使用 pandas 库中的 DataFrame 进行计算，代码如下：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 计算两个列的比值，结果保存在另一个 DataFrame 中
df_ratio = pd.DataFrame({'C': df['A'] / df['B']})

# 显示结果
print(df_ratio)

输出结果如下：

          C
0  0.250000
1  0.400000
2  0.500000