什么是pandas dataframe.ne方法以及为什么使用它?

检查 source 用于执行 DataFrame.ne . 代码并不难理解。

基本上, 数据帧.ne 提供了一种更灵活的不平等比较方法。您还可以指定在使用 != 操作员。

示例:

1. 数据帧.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
   

2. 数据帧.ne 接受序列和参数 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 还有,但不是前者

3. 数据帧.ne 还接受一个标量作为参数

   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)。这个方法是核心python的一部分 operator overloading implementation 名为uu ne_uuu()的神奇方法。

pandas直接从核心python实现中派生出这个方法。并为系列和数据帧定制了它,用于状态检查。 它返回布尔值以检查条件。

示例:

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

系列代码示例:

>>> 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也用于要执行的任何列检查。 例子:

df=pd.DataFrame({'one' : [1., 2., 3., 4.],'two' : [4., 3., 2., 1.]})

    one  two
    0  1.0  4.0
    1  2.0  3.0
    2  3.0  2.0
    3  4.0  1.0

not3=df['two'].ne(3).sum()

NOT3=3