Python-Pandas之两个Dataframe的比较（四）

昨天在外网找到一个比较dataframe的好库，叫datacompy，它的优点有：

1、可以把对比后的信息详情打印出来，比如列是否相等，行是否相等；

2、在数据中如果有不相等列，那么就只比较相同的列；

3、可以设置绝对差值和相对差值，比如我们比较有浮点数的数据时，设置下绝对差值为0.01，后面的一系列微小的值就忽略了；

4、在数据报告中，每一列的数据类型、不相等数量、最大差值和空值都详细列出来了；

5、可以把不相等的列单独取出来，取出来就是一个dataframe，可以查看具体哪些是不一样的；

下面这张图就是比较之后的报告：

代码如下：

import datacompy, pandas as pd, sys

files = []
try:
    files = [sys.argv[1], sys.argv[2]]
except:
    print('命令行未检测到文件参数。')
# 这个方式可以通过命令行运行：
#   
#   python3 cmpfiles.py testfile1.txt testfile2.txt
# 
# 上面自带的两个参数，就是通过  sys.argv 获得的。

if len(files) == 0:
    files = ['./TempFiles/temp_77.csv', './TempFiles/temp_77_new.csv']
    # files = ['./TempFiles/temp_77.csv', './TempFiles/temp_77_copy.csv']
# 如果直接运行这个脚本，那么用西面定义的 files

df1 = pd.read_csv(files[0])
df2 = pd.read_csv(files[1])


compare = datacompy.Compare(df1, df2, join_columns='key')
# Compare 参数：
#   df1: 数据框1
#   df2: 数据框2
#   join_columns: 指定索引的列名，默认“None”，可以传入数组，比如：['key', 'AdID']
#   on_index: 是否要开启索引，开启之后不需要指定 join_columns，默认“False”
#   abs_tol: 绝对公差，默认“0”
#   rel_tal: 相对公差，默认“0”
#   df1_name: 报告中数据框1的名字，默认“df1”
#   df2_name: 报告中数据框2的名字，默认“df2”
#   ignore_spaces: 是否忽略空格，默认“False”
#   ignore_case: 是否忽略大小写，默认“False”


print(compare.matches()) # 最后判断是否相等，返回 bool
print(compare.report()) # 打印报告详情，返回 string
# print(compare.sample_mismatch('用户数')) # 取出不相同的某一列数据，返回 dataframe