pandas.DataFrame.le

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

Получение результата сравнения «меньше или равно» для DataFrame и другого объекта по элементам (бинарный оператор «ле»).

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

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

Параметры

other:скаляр, последовательность, Series или DataFrame

Любой объект данных с одним или несколькими элементами или список-подобный объект.

axis:{0 или ‘index’, 1 или ‘columns’}, по умолчанию ‘columns’

Определяет, сравнивать по индексу (0 или ‘index’) или столбцам (1 или ‘columns’).

level:целое число или метка

Трансляция по уровню, сопоставляя значения индекса в переданном многоуровневом индексе (MultiIndex).

Возвращает

DataFrame булевых значений

Результат сравнения.

См. также

DataFrame.eq

Сравнение DataFrames на равенство по элементам.

DataFrame.ne

Сравнение DataFrames на неравенство по элементам.

DataFrame.le

Сравнение DataFrames на неравенство «меньше или равно» или равенство по элементам.

DataFrame.lt

Сравнение DataFrames на строгое неравенство «меньше» по элементам.

DataFrame.ge

Сравнение DataFrames на неравенство «больше или равно» или равенство по элементам.

DataFrame.gt

Сравнение DataFrames на строгое неравенство «больше» по элементам.

Примечания

Несовпадающие индексы будут объединены. Значения NaN считаются разными (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 скалярным значением, 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

При other как Series, столбцы DataFrame выравниваются с индексом other и выполняется трансляция:

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

Используйте метод для управления осью трансляции:

>>> 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, количество столбцов должно соответствовать количеству 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 многоуровневым индексом (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