python - 比较数据框中特定列的差异

Question

作为Python中数据比较的一部分，我有一个数据帧的输出。如您所见，PROD_ 和 PROJ_ 数据进行了比较。

示例:

print (df)
          PROD_Label         PROJ_Label  Diff_Label  PROD_OAD  PROJ_OAD  \
0             Energy             Energy        True      1.94      1.94   
1  Food and Beverage  Food and Beverage        True      1.97      1.97   
2         Healthcare         Healthcare        True      8.23      8.23   
3  Consumer Products  Consumer Products        True      3.67       NaN   
4          Retailers          Retailers        True      5.88       NaN   

   Diff_OAD  PROD_OAD_Tin  PROJ_OAD_Tin  Diff_OAD_Tin  
0      True          0.02          0.02          True  
1      True          0.54          0.01         False  
2      True          0.05          0.05          True  
3     False          0.02          0.02          True  
4     False          0.06          0.06          True

像PROD_Label、PROJ_Label这样的字符串列是“非空对象”。这里的比较结果为真/假，符合预期。

对于数字列，例如 PROD_OAD、PROJ_OAD、PROD_OAD_Tin、PROJ_OAD_Tin 是“非空 float64” 。目前我的输出显示比较为真和假(如上所述)。但我希望这与实际差异相同，如下所示，但仅适用于数字列。

有没有办法指定特定的列名称并获取要转储到 Diff_ 列中的结果差异。

请注意，我不想比较所有 PROD_ 和 PROJ_ 列。字符串的差异在真/假中已经是正确的。只是寻找一些数字格式的特定列。

Answer 1

我认为，如果仅存在具有相同结构的数字列，则可以仅提取数字列并获取在 for 和 sub 中使用的唯一值。 :

a = df.select_dtypes([np.number]).columns.str.split('_', n=1).str[1].unique()
print (a)
Index(['OAD', 'OAD_Tin'], dtype='object')

for x in a:
    df['Diff_' + x] = df['PROJ_' + x].sub(df['PROD_' + x], fill_value=0)
print (df)
          PROD_Label         PROJ_Label  Diff_Label  PROD_OAD  PROJ_OAD  \
0             Energy             Energy        True      1.94      1.94   
1  Food and Beverage  Food and Beverage        True      1.97      1.97   
2         Healthcare         Healthcare        True      8.23      8.23   
3  Consumer Products  Consumer Products        True      3.67       NaN   
4          Retailers          Retailers        True      5.88       NaN   

   Diff_OAD  PROD_OAD_Tin  PROJ_OAD_Tin  Diff_OAD_Tin  
0      0.00          0.02          0.02          0.00  
1      0.00          0.54          0.01         -0.53  
2      0.00          0.05          0.05          0.00  
3     -3.67          0.02          0.02          0.00  
4     -5.88          0.06          0.06          0.00