有人能解释一下这段代码来识别两个数据帧之间的差异吗？

Question

resultBool = (results_01 != results_02).stack() 
resultdiff = pd.concat([results_01.stack()[resultBool], results_02.stack()[resultBool]], axis=1)
resultdiff.columns=["output_01", "output_02"]

我在网上找到了这段代码，用于比较两个csv文件并打印它们的区别，我不太清楚前两行后面的逻辑，有人能解释一下吗，非常感谢。你知道吗

Answer 1

例如，让我们考虑下面两个新创建的数据帧：

import pandas as pd

# Creating the first dataframe
df1 = pd.DataFrame({"A":[1,5,7,8], 
                  "B":[5,8,4,3], 
                  "C":[10,4,9,3]}) 

# Creating the second dataframe 
df2 = pd.DataFrame({"A":[5,3,6,4], 
                  "B":[11,2,4,3], 
                  "C":[4,3,8,5]})

它们看起来像这样：

not equal to表达式!=只返回一个新的df，其中值不相等。你知道吗

stack用新索引重塑数据帧。更多信息here。你知道吗

resultBool = (df1 != df2).stack() 

上面的行将结果df（如第二张图片所示）保存在一个变量中。你知道吗

下面一行从原始数据帧中过滤掉所有假值。你知道吗

注意索引2 B是如何丢失的，因为resultBooldf中的值是false。你知道吗

这意味着这个特定单元格的df1和df2中的值相等，因此!=运算符的结果为false。你知道吗

我们对df2也做了同样的工作，只是水平地连接结果。有关熊猫连接here的详细信息。你知道吗

在上图中，列“0”引用df1中的值，列“1”引用df2中的值。你知道吗

最后，我们将这些列重命名为“output\u 01”和“output\u 02”：

最终结果是一个新的df高亮显示两个数据帧中不同的值。你知道吗

Answer 2

resultBool是DataFrame.stack()的结果，它将名为result_01和result_02的两个csv文件的结果分解为True和False值的单数列，列名现在被堆叠为MultiIndex，表示两者之间是否存在差异，True表示自results_01 != results_02以来的差异。你知道吗

resultdiff通过传入resultBool水平地执行pd.concat，这只会保存前面提到的resultBool的结果。你知道吗

之后，resultdiff设置列。你知道吗

有关更多信息，您应该查看所涉及的函数，以及在每行代码之后打印数据帧，以查看发生了什么。你知道吗

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.stack.html
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.concat.html