如何对比同结构DataFrame并生成取最大值的新DataFrame

方法思路 #

要实现两个列名、索引完全一致的DataFrame逐位置取最大值，并标注值的来源，可分为三步：

• 计算每个位置的最大值
• 根据最大值的来源生成对应标注文本
• 将最大值与标注文本拼接得到最终结果

完整代码示例 #

import pandas as pd
import numpy as np

# 构建示例中的DataFrame
df1 = pd.DataFrame(
    {'col_1': [4, 3], 'col2': [7, 4], 'col-3': [4, 1]},
    index=['rft_12312', 'rft_321321']
)

df2 = pd.DataFrame(
    {'col_1': [7, 3], 'col2': [3, 7], 'col-3': [4, 6]},
    index=['rft_12312', 'rft_321321']
)

# 1. 计算逐元素的最大值
max_values = pd.DataFrame(np.maximum(df1, df2), index=df1.index, columns=df1.columns)

# 2. 生成来源标注文本
source_annotations = np.where(
    df2 > df1,
    "（因df2该位置值大于df1）",
    np.where(df1 > df2, "（因df1该位置值大于df2）", "（值相等时来源不限）")
)

# 3. 合并最大值与标注，得到最终结果
result_df = max_values.astype(str) + source_annotations

输出结果 #

执行上述代码后，result_df的内容与需求完全匹配：

col_1                col2       col-3
rft_12312   7（因df2该位置值大于df1）  7（因df1该位置值大于df2）  4（值相等时来源不限）
rft_321321  3（值相等时来源不限）        7（因df2该位置值大于df1）  6（因df2该位置值大于df1）

为什么pd.update和pd.compare不适用 #

• pd.update仅支持用另一个DataFrame的值覆盖当前DataFrame，无法实现"取最大值"的逻辑
• pd.compare的作用是对比两个DataFrame的差异并输出差异位置，不能直接生成包含最大值的结果集

内容的提问来源于stack exchange，提问作者Iksy97