Python pandas.DataFrame.le函数方法的使用

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.le方法的使用。

DataFrame.le(self, other, axis='columns', level=None) [source]

获取小于或等于dataframe和其他逐元素（二进制运算符le）。
在灵活的包装器（eq，ne，le，lt，ge，gt）中，用于比较运算符。
等效于==，=！，<=，<，> =，>，并支持选择轴（行或列）和级别进行比较。

参数：

other ： scalar, sequence, Series,

或 DataFrame

任何单个或多个元素的数据结构，或类似列表的对象。

axis ： {0或'index'，1或'columns'}，

默认为'columns'

是按索引（0或“索引”）还是按列（1或“列”）进行比较。

level ： 整数或标签

在一个级别上广播，

在传递的MultiIndex级别上匹配索引值。

返回值：

布尔值的DataFrame

比较结果。

Notes

不匹配的索引将合并在一起。 NaN值被认为是不同的（即NaN != NaN）。

例子

>>> 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

使用运算符或方法与标量进行比较：

>>> 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

当其他是Series，一个dataframe的列与指数对准其他和广播：

>>> 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

与任意序列比较时，列数必须与other中的元素数匹配：

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

使用该方法控制轴：

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

比较不同形状的DataFrame

>>> 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