Entrar Ainda não tem acesso?
Solucionado (ver solução)
Solucionado
(ver solução)
4
respostas

Comparar duas colunas de dois dataframes.

por João Gabriel Andrade de Freitas
| 35.7k xp | 4 posts

Eu tenho dois dataframes um que eu mesmo fiz e outro é do meu banco. Eu tento achar as datas iguais no meu dataframe com o dataframe do meu extrato retirado direto do site do bradesco e depois eu tento achar os valores iguais do meu dataframe e do dataframe do bradesco. Pois eu tento sempre classificar minhas contas mas infelizmente eu acabo esquecendo de lançar todas as contas no meu dataframe e gostaria de saber o que está faltando para classificar. E mando ele me falar as linhas de cada um deles que é igual, só que ele está me retornando esse erro e eu não sei o que fazer.

for i in Bradesco.index:
    for j in Sistema.index:
        if (Bradesco.loc[i ,"Data"] == Sistema.loc[j ,"DATA"]):
            if (Bradesco.loc[i ,"Débito"] == Sistema.loc[j ,"Débito"]):
                print(i, j)

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

4 respostas
solução!
por Lucas Peixoto de Alencar Rocha
| 1056.9k xp | 1640 posts
Instrutor

Olá João,

Se eu entendi bem o que você quer é encontrar as diferenças? Ver o que está faltando em um DF comparado ao outro, correto?

Você pode fazer essa comparação através de um merge:

Bradesco.merge(Sistema, on=['Data', 'Débito'], how='outer', suffixes=['', '_'], indicator=True)

O merge faz a união dos dois DataFrames, mas o detalhe importante é o indicator=True que vai mostrar na coluna _merge para cada linha se ela existe apenas no primeiro DF (left_only), apenas no segundo DF (right_only) ou nos dois DFs (both).

Segue o código completo do meu teste:

import pandas as pd
import datetime

data1 = {
    'data': [datetime.date(2019, 10, 1), datetime.date(2019, 10, 2), datetime.date(2019, 10, 3), datetime.date(2019, 10, 3)],
    'debito': [100., 75., 500, 100]
}

data2 = {
    'data': [datetime.date(2019, 10, 1), datetime.date(2019, 10, 2), datetime.date(2019, 10, 3)],
    'debito': [100., 75., 100]
}

df1 = pd.DataFrame(data)
df2 = pd.DataFrame(data2)

df1.merge(df2, on=['data', 'debito'], how='outer', suffixes=['', '_'], indicator=True)

Resultado:

por João Gabriel Andrade de Freitas
| 35.7k xp | 4 posts

Nossa Muito obrigado, você resolveu meu problema. Sempre que venho tirar dúvidas você me ajuda, Muito Obrigado Lucas, você manja demais.

por João Gabriel Andrade de Freitas
| 35.7k xp | 4 posts

Lucas se você tiver como me passar alguma listinha de funções que acha legal eu dar uma estudada referente a esse assunto, eu ficaria muito grato.

por Lucas Peixoto de Alencar Rocha
| 1056.9k xp | 1640 posts
Instrutor

Sem problemas João!

Sobre as funções o pandas tem demais, quase tudo que a gente precisar fazer o pandas já tem algo pronto pra ajudar, por isso fica até difícil listar só algumas.

Recomendo primeiro entender bem as funções de leitura de arquivos e criação de DataFrames e Series (pd.read_csv(), pd.DataFrame(), etc.). Após isso é bom conhecer sobre os tipos (dtypes) e os métodos de conversão dos tipos (to_numeric(), to_datetime(), astype(), etc.) e então sobre seleção e filtragem (loc[], uso do [] e [[]], filtragem por Series booleanas, etc.). Chegando por fim em funções um pouco mais avançadas como agrupamentos com groupby() e o uso do apply()

Com essa base já dá pra ir bem longe, a maioria das funções mais intermediárias/avançadas eu normalmente só descubro no momento que preciso utilizar e vou pesquisar, sempre com ajuda do Colab pra testar.

Nessa página (em inglês) o pandas mostra todas as funcionalidades básicas essenciais com exemplos.