pandas.DataFrame.ne

DataFrame.ne(other, axis='columns', level=None)

获取数据框和另一个数据框的元素不等（二元运算符 ne）。

在灵活的包装器（eq, ne, le, lt, ge, gt）中，用于比较运算符。

等同于 ==, !=, <=, <, >=, >，支持选择轴（行或列）和比较级别。

参数:

其他标量, 序列, 系列, 或 数据框

任何单个或多个元素的数据结构，或类似列表的对象。

轴{0 或 ‘index’, 1 或 ‘columns’}, 默认 ‘columns’

是否按索引（0 或 ‘index’）或列（1 或 ‘columns’）进行比较。

级别int 或 label

在某个级别上广播，匹配传递的 MultiIndex 级别上的索引值。

返回:

布尔类型的DataFrame

比较结果。

参见

DataFrame.eq

逐元素比较 DataFrame 是否相等。

DataFrame.ne

逐元素比较 DataFrame 的不等性。

DataFrame.le

逐元素比较 DataFrame 是否小于或等于。

DataFrame.lt

逐元素比较 DataFrame 是否严格小于不等。

DataFrame.ge

逐元素比较 DataFrames 以检查是否大于或等于。

DataFrame.gt

逐元素比较 DataFrame 是否严格大于不等。

备注

不匹配的索引将被联合在一起。NaN 值被认为是不同的（即 NaN != NaN）。

示例

>>> df = pd.DataFrame({'cost': [250, 150, 100],
...                    'revenue': [100, 250, 300]},
...                   index=['A', 'B', 'C'])
>>> df
   cost  revenue
A   250      100
B   150      250
C   100      300

与标量进行比较，使用运算符或方法：

>>> df == 100
    cost  revenue
A  False     True
B  False    False
C   True    False

>>> df.eq(100)
    cost  revenue
A  False     True
B  False    False
C   True    False

当 other 是一个 Series 时，DataFrame 的列将与 other 的索引对齐并广播：

>>> df != pd.Series([100, 250], index=["cost", "revenue"])
    cost  revenue
A   True     True
B   True    False
C  False     True

使用该方法来控制广播轴：

>>> df.ne(pd.Series([100, 300], index=["A", "D"]), axis='index')
   cost  revenue
A  True    False
B  True     True
C  True     True
D  True     True

当与任意序列比较时，列数必须与 other 中的元素数量匹配：

>>> df == [250, 100]
    cost  revenue
A   True     True
B  False    False
C  False    False

使用该方法来控制轴：

>>> df.eq([250, 250, 100], axis='index')
    cost  revenue
A   True    False
B  False     True
C   True    False

与不同形状的 DataFrame 进行比较。

>>> other = pd.DataFrame({'revenue': [300, 250, 100, 150]},
...                      index=['A', 'B', 'C', 'D'])
>>> other
   revenue
A      300
B      250
C      100
D      150

>>> df.gt(other)
    cost  revenue
A  False    False
B  False    False
C  False     True
D  False    False

按级别与 MultiIndex 进行比较。

>>> df_multindex = pd.DataFrame({'cost': [250, 150, 100, 150, 300, 220],
...                              'revenue': [100, 250, 300, 200, 175, 225]},
...                             index=[['Q1', 'Q1', 'Q1', 'Q2', 'Q2', 'Q2'],
...                                    ['A', 'B', 'C', 'A', 'B', 'C']])
>>> df_multindex
      cost  revenue
Q1 A   250      100
   B   150      250
   C   100      300
Q2 A   150      200
   B   300      175
   C   220      225

>>> df.le(df_multindex, level=1)
       cost  revenue
Q1 A   True     True
   B   True     True
   C   True     True
Q2 A  False     True
   B   True    False
   C   True    False