pandas.DataFrame.lt

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

Меньше, чем у DataFrame и другого, поэлементно (бинарный оператор lt).

Среди гибких обёртки (eq, ne, le, lt, ge, gt ) для операторов сравнения.

Эквивалентно ==, =!, <=, <, >=, > с поддержкой выбора оси (строки или столбцы) и уровня для сравнения.

Параметры:	other : scalar, sequence, Series, or DataFrame Любая структура данных с одним или несколькими элементами или список-подобный объект. axis : {0 or ‘index’, 1 or ‘columns’}, default ‘columns’ Сравнение по индексу (0 или 'index') или столбцам (1 или 'columns'). level : int or label Расширение по уровню, сопоставление значений индексов на переданном уровне MultiIndex.
Возвращает:	DataFrame типа bool Результат сравнения.

См. также

DataFrame.eq

Сравнение DataFrame на равенство по элементам.

DataFrame.ne

Сравнение DataFrame на неравенство по элементам.

DataFrame.le

Сравнение DataFrame на неравенство или равенство меньше или равно по элементам.

DataFrame.lt

Сравнение DataFrame на строгое неравенство меньше по элементам.

DataFrame.ge

Сравнение DataFrame на неравенство или равенство больше или равно по элементам.

DataFrame.gt

Сравнение DataFrame на строгое неравенство больше по элементам.

Примечания

Несовпадающие индексы будут объединены вместе. NaN значения считаются различными (т.е. NaN != NaN).

Примеры

>>> 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

Сравнение со скаляром, используя оператор или метод:

>>> 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

Когда other является Series, столбцы DataFrame выравниваются с индексом other и расширяются:

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

Используйте метод для управления осью расширения:

>>> 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

При сравнении с произвольной последовательностью число столбцов должно совпадать с числом элементов в other:

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

Используйте метод для управления осью:

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

Сравнение с DataFrame другой формы.

>>> 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

Сравнение с MultiIndex по уровню.

>>> 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