Pandas多列对比较：空值视为匹配，仅非空值不同时标记不匹配

核心逻辑实现 #

要实现你需要的匹配规则，关键是明确不匹配的唯一触发条件：两列均非空且取值不同。其他所有情况（任意一列空值、两列都空值、两列非空且值相同）都标记为匹配（0）。

可以用np.where结合Pandas的向量化布尔运算来实现，注意必须用&（而非Python原生and）来组合多个条件——这是避免"The truth value of a Series is ambiguous"错误的核心：原生逻辑运算符无法处理Series的逐元素判断，必须用Pandas支持的向量化运算符。

完整代码示例 #

import pandas as pd
import numpy as np

data = [('A', 'A', 'E', 'F', 0, 1),
        ('C', None, 'G', 'G', 0, 0),
        ('B', 'C', 'H', None, 1, 0),
        ('D', None, None, 'J', 0, 0)]

df = pd.DataFrame(data, columns=['col1a', 'col1b', 'col2a', 'col2b', 'col1_mismatch_expected', 'col2_mismatch_expected'])

# 生成col1的不匹配标记
df['col1_mismatch'] = np.where(
    df['col1a'].notna() & df['col1b'].notna() & (df['col1a'] != df['col1b']),
    1,
    0
)

# 生成col2的不匹配标记
df['col2_mismatch'] = np.where(
    df['col2a'].notna() & df['col2b'].notna() & (df['col2a'] != df['col2b']),
    1,
    0
)

print(df)

输出验证 #

运行后生成的col1_mismatch和col2_mismatch列会与你提供的期望输出完全一致：

col1a col1b col2a col2b  col1_mismatch_expected  col2_mismatch_expected  col1_mismatch  col2_mismatch
0     A     A     E     F                        0                        1              0              1
1     C  None     G     G                        0                        0              0              0
2     B     C     H  None                        1                        0              1              0
3     D  None  None     J                        0                        0              0              0

错误原因说明 #

你之前遇到的报错，是因为组合条件时使用了Python原生的and/or运算符——这类运算符会尝试判断整个Series的"真值"，而Pandas Series无法被直接判定为单个布尔值，因此抛出歧义提示。改用&（逻辑与）、|（逻辑或）、~（逻辑非）这些向量化逻辑运算符，就能实现逐元素的条件判断。

内容的提问来源于stack exchange，提问作者Duffman_77