Pandas DataFrame | ne() 方法教程

简介

在本教程中，我们将学习 pandas DataFrame 中的 ne() 方法。ne() 方法用于将 DataFrame 与其他数据结构进行逐元素比较，并返回一个布尔值 DataFrame，表示比较的结果。

虚拟机提示

虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，随时可以咨询 Labby。请在课程结束后提供反馈，我们将及时为你解决问题。

Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL python(("Python")) -.-> python/BasicConceptsGroup(["Basic Concepts"]) pandas(("Pandas")) -.-> pandas/DataCleaningGroup(["Data Cleaning"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) python(("Python")) -.-> python/PythonStandardLibraryGroup(["Python Standard Library"]) pandas(("Pandas")) -.-> pandas/ReadingDataGroup(["Reading Data"]) pandas(("Pandas")) -.-> pandas/DataSelectionGroup(["Data Selection"]) pandas(("Pandas")) -.-> pandas/DataAnalysisGroup(["Data Analysis"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) pandas/ReadingDataGroup -.-> pandas/read_csv("Read CSV") python/BasicConceptsGroup -.-> python/booleans("Booleans") pandas/DataSelectionGroup -.-> pandas/conditional_selection("Conditional Selection") pandas/DataCleaningGroup -.-> pandas/data_mapping("Data Mapping") python/ModulesandPackagesGroup -.-> python/importing_modules("Importing Modules") pandas/DataAnalysisGroup -.-> pandas/data_aggregation("Data Aggregation") python/PythonStandardLibraryGroup -.-> python/data_collections("Data Collections") python/DataScienceandMachineLearningGroup -.-> python/data_analysis("Data Analysis") python/DataScienceandMachineLearningGroup -.-> python/data_visualization("Data Visualization") subgraph Lab Skills pandas/read_csv -.-> lab-68676{{"Pandas DataFrame Ne 方法"}} python/booleans -.-> lab-68676{{"Pandas DataFrame Ne 方法"}} pandas/conditional_selection -.-> lab-68676{{"Pandas DataFrame Ne 方法"}} pandas/data_mapping -.-> lab-68676{{"Pandas DataFrame Ne 方法"}} python/importing_modules -.-> lab-68676{{"Pandas DataFrame Ne 方法"}} pandas/data_aggregation -.-> lab-68676{{"Pandas DataFrame Ne 方法"}} python/data_collections -.-> lab-68676{{"Pandas DataFrame Ne 方法"}} python/data_analysis -.-> lab-68676{{"Pandas DataFrame Ne 方法"}} python/data_visualization -.-> lab-68676{{"Pandas DataFrame Ne 方法"}} end

导入 pandas 并创建 DataFrame

首先，我们需要导入 pandas 库并创建一个 DataFrame。在这个示例中，我们将创建一个包含三列（A、B 和 C）的 DataFrame。

#importing pandas as pd
import pandas as pd

#creating the DataFrame
df = pd.DataFrame({"A": [200, 500], "B": [60, 250], "C": [150, 1]})

将 DataFrame 与标量值进行比较

接下来，我们可以使用 ne() 方法将 DataFrame 与标量值进行比较。这将返回一个布尔类型的 DataFrame，其中每个元素表示其是否不等于标量值。

print("--------The DataFrame is---------")
print(df)
print("----After applying ne method-----")
print(df.ne(200))

将 DataFrame 与 Series 进行比较

我们也可以使用 ne() 方法将 DataFrame 与 Series 进行比较。这将返回一个布尔类型的 DataFrame，其中每个元素表示其是否不等于 Series 中对应的元素。

print("--------The DataFrame is---------")
print(df)
series = pd.Series([150, 200, 150])
print("----After applying ne method-----")
print(df.ne(series, axis=0))

将 DataFrame 与另一个 DataFrame 进行比较

最后，我们可以将 DataFrame 与另一个 DataFrame 进行比较。这将返回一个布尔类型的 DataFrame，其中每个元素表示其是否不等于另一个 DataFrame 中对应的元素。

print("----After applying ne method-----")
df_1 = pd.DataFrame({"A": [200, 500], "B": [60, 250], "C": [150, 1]})
df_2 = pd.DataFrame({"A": [200, 550], "B": [65, 251], "C": [100, 10]})
print(df_1.ne(df_2))

总结

在本教程中，我们学习了如何在 pandas DataFrame 中使用 ne() 方法。我们了解了如何将 DataFrame 与标量值、Series 以及另一个 DataFrame 进行比较。ne() 方法在逐元素比较中非常有用，并返回布尔类型的 DataFrame。这对于各种数据分析和操作任务非常有帮助。