pandas.DataFrame.le #

数据框。le ( other , axis = 'columns' , level = None ) [来源] #

获取小于或等于数据帧和其他元素（二元运算符le）。

灵活的包装器（eq、ne、le、lt、ge、gt）到比较运算符。

相当于== , != , <= , < , >= , >支持选择轴（行或列）和级别进行比较。

参数：

其他标量、序列、系列或数据帧: 任何单个或多个元素的数据结构，或类似列表的对象。
轴{0 或 'index', 1 或 'columns'}, 默认 'columns': 是否按索引（0 或“索引”）或列（1 或“列”）进行比较。
level int 或 label: 跨级别广播，匹配传递的多索引级别上的索引值。

返回：

bool 数据框: 比较结果。

也可以看看

DataFrame.eq: 按元素比较 DataFrame 是否相等。
DataFrame.ne: 按元素比较 DataFrame 的不等式。
DataFrame.le: 按元素比较 DataFrame 是否小于不等式或等式。
DataFrame.lt: 按元素比较 DataFrame 是否严格小于不等式。
DataFrame.ge: 按元素比较 DataFrame 是否大于不等或相等。
DataFrame.gt: 比较数据帧是否严格大于不等式元素。

笔记

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other是 a时，DataFrame 的列与otherSeries的索引对齐并广播：

>>> df != pd.Series([100, 250], index=["cost", "revenue"])
    cost  revenue
A   True     True
B   True    False
C  False     True

使用方法控制广播轴：

>>> 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

与任意序列进行比较时，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

使用方法控制轴：

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

与不同形状的 DataFrame 进行比较。

>>> 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