即使未比较数据帧对象，"Can only compare identically-labeled DataFrame objects"错误

Question

这些是数组中的数据帧(此数组的名称为clusters(：

[         Height      Weight
STU3  72.508120  216.218230
STU2  70.183550  201.071918
STU4  71.252986  204.655494,
Height      Weight
STU18  64.756280  137.348471
STU11  63.075024  146.905558
STU16  63.981765  147.812869,
Height     Weight
STU12  56.810317  84.170695,
Height      Weight
STU1   65.270346  168.617746
STU6   65.806248  165.850648
STU7   68.096220  167.747141
STU9   66.166363  165.514607
STU10  67.906850  170.417231,
Height      Weight
STU5   65.237050  181.011973
STU8   67.155963  175.646690
STU20  69.443615  178.276728,
Height      Weight
STU18  64.756280  137.348471
STU11  63.075024  146.905558
STU16  63.981765  147.812869,
Height      Weight
STU17  61.253579  109.681758
STU13  60.916196  120.943248
STU19  60.236390  123.863208
STU14  63.383506  125.662081
STU15  60.822118  127.441434]

这是我想从上面的数组中删除的数据帧(称为biggest_cluster(：

[         Height      Weight
STU18  64.756280  137.348471
STU11  63.075024  146.905558
STU16  63.981765  147.812869]

因此，我删除此数据帧的代码片段如下：

clusters.remove(biggest_cluster)

我得到的错误是：ValueError: Can only compare identically-labeled DataFrame objects

通常，在比较数据帧时会出现此错误。然而，在这种情况下，我只是试图从数组中删除一个元素(在这种情况中，它恰好是一个数据帧((在这种情形中，数组存储数据帧(。

如何解决此问题？

Answer 1

list.remove方法确实会比较DataFrames是否相等(==(。来自Python文档(重点添加(：

list.remove(x)

从列表中删除值等于x的第一个项目如果不存在此类项，则引发ValueError。

在比较列表中的第一个DataFrame时，由于行标签与biggest_cluster不同，此操作已失败。

有很多方法可以解决这个问题，所有这些方法都比.remove长一点。比较简单和可读的是测试身份而不是平等的列表理解：

clusters = [cluster for cluster in clusters if cluster.equals(biggest_cluster)]

一个缺点是：在垃圾收集器处理之前，该列表将在内存中存在两次。如果数据量很大，这可能是个问题。

在Pandas DataFrame的上下文中，与==进行比较意味着元素比较，如果标签不匹配，这种比较就不起作用，而我在上面使用的pd.DataFrame.equals则检查整个DataFrame是否相同。

Answer 2

以下是使用的可能解决方案

df1.drop(df2.index.values,inplace=True)

import pandas as pd
import numpy as np
# Matrix of a few sample values.
my_matrix = np.matrix([
[72.508120,216.218230],
[70.183550, 201.071918],
[71.252986, 137.348471],
[64.756280, 204.655494],
[63.075024, 146.905558]
]
)
index = ['STU1','STU2','STU3','STU4','STU4']
#  Instanced as my_df
my_df = pd.DataFrame(data= my_matrix, index= index,  columns=['Height','Name'])

# Sample of what big cluster could be
my_other_matrix = np.matrix([
[64.756280, 204.655494],
[63.075024, 146.905558]
]
)
# Now as a df
my_other_df = pd.DataFrame(data= my_other_matrix, index= ['STU1','STU2'], columns=['Height', 'Name'])

# Assume we wish to remove indices STU1 and STU2.
# Drop the values that correspond to the indices of big-cluster
my_df.drop(my_other_df.index.values,inplace=True)
print(my_df)

请注意，就地处理任务。