PythonのPandasでDataFrameの列同士比較

Question

以下のことができずに困っています。

A列とB列を比較する。
A列に存在しない値がB列に含めれていれば、
その値をC列に出力する。

A	B	C
1	4
2	5	5
4	6	6
9	7
7	1

Answer 1

'B'列の値が'A'列に含まれているかを調べる df['B'].isin(df['A'])

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.isin.html

の not にてフィルタリングするとよいかと

import pandas as pd

df = pd.DataFrame({
    'A':[1,2,4,9,7],
    'B':[4,5,6,7,1]})


df['C'] = df.loc[~df['B'].isin(df['A']), 'B']
print(df)
#   A  B    C
#0  1  4  NaN
#1  2  5  5.0
#2  4  6  6.0
#3  9  7  NaN
#4  7  1  NaN

Series.mask()使ってフィルタリングしても良いです

df['C'] = df['B'].mask(df['B'].isin(df['A']))

Comments

[etoshhy]

解決しました。ありがとうございます。

Answer 2

A列に存在しない値がB列に含めれていれば、

その値をC列に出力する。

という処理は一般的な「比較」ではないですね。

一番簡単に書くなら、B列の各値ごとにA列に含まれるかを判定します。applyやmapメソッドなどを使うといいでしょう。pandasでは「値がない」というのはNaNで表します。B列の一行を見て、A列に含まれているときはNaNを、そうでなければ行の値自身を返すような関数を定義できれば実現できます。

パフォーマンス面では、A列を直接判定対象にするより、先にset型に変換したほうが計算量的には有利です。