Python | Pandas dataframe.ne()

Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes y facilita mucho la importación y el análisis de datos.
La función pandas dataframe.ne() comprueba la desigualdad de un elemento de marco de datos con una constante, serie u otro elemento de marco de datos. Si dos valores en comparación no son iguales entre sí, devuelve verdadero; si son iguales, devuelve falso. 
 

Sintaxis: DataFrame.ne(otro, eje=’columnas’, nivel=Ninguno)
Parámetros: 
otro: Serie, Marco de datos o 
eje constante: Para entrada de Serie, eje para coincidir Índice de serie en el 
nivel: Transmisión a través de un nivel, valores de índice coincidentes en el nivel MultiIndex pasado
Devuelve: resultado: DataFrame
 

Ejemplo n.º 1: use la función ne() para verificar la desigualdad entre series y un marco de datos.
 

# importing pandas as pd
import pandas as pd
 
# Creating the first dataframe
df1=pd.DataFrame({"A":[14,4,5,4,1],
                  "B":[5,2,54,3,2],
                  "C":[20,20,7,3,8],
                  "D":[14,3,6,2,6]})
 
# Print the dataframe
df1

Creamos la serie
 

# importing pandas as pd
import pandas as pd
 
# create series
sr = pd.Series([3, 2, 4, 5, 6])
 
# Print series
sr

Usemos la función dataframe.ne() para evaluar la desigualdad 
 

# evaluate inequality over the index axis
df.ne(sr, axis = 0)

Producción : 
 

Todas las celdas de valores verdaderos indican que los valores en comparación no son iguales entre sí, mientras que todas las celdas de valores falsos indican que los valores en comparación son iguales entre sí. 
  
Ejemplo n.º 2: utilice la función ne() para verificar la desigualdad de dos marcos de datos. Un marco de datos contiene valores NA.
 

# importing pandas as pd
import pandas as pd
 
# Creating the first dataframe
df1=pd.DataFrame({"A":[14,4,5,4,1],
                  "B":[5,2,54,3,2],
                  "C":[20,20,7,3,8],
                  "D":[14,3,6,2,6]})
 
# Creating the second dataframe with <code>Na</code> value
df2=pd.DataFrame({"A":[12,4,5,None,1],
                  "B":[7,2,54,3,None],
                  "C":[20,16,11,3,8],
                  "D":[14,3,None,2,6]})
 
# Print the second dataframe
df2

Usemos la función dataframe.ne().
 

# passing df2 to check for inequality with the df1 dataframe.
d1f.ne(df2)

Producción : 
 

Todas las celdas de valores verdaderos indican que los valores en comparación no son iguales entre sí, mientras que todas las celdas de valores falsos indican que los valores en comparación son iguales entre sí.