如何使用Pandas基于两列值匹配创建0/1条件列？

你可以通过以下几种简洁高效的方式实现需求，优先推荐向量化操作以保证处理性能：

方法一：直接比较列并转换为整数 #

Pandas中布尔值True转为整数是1，False转为整数是0，因此直接对两列的比较结果做类型转换即可：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({
    'col1': [1, 2, 3, 4],
    'col2': [1, 3, 3, 5]
})

# 创建第三列
df['match'] = (df['col1'] == df['col2']).astype(int)

执行后DataFrame的结果：

col1  col2  match
0     1     1      1
1     2     3      0
2     3     3      1
3     4     5      0

方法二：使用numpy.where函数 #

如果后续需要扩展更复杂的条件逻辑，可以用numpy.where实现：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'col1': [1, 2, 3, 4],
    'col2': [1, 3, 3, 5]
})

df['match'] = np.where(df['col1'] == df['col2'], 1, 0)

得到的结果与方法一完全一致。

注意事项 #

• 避免使用df.apply逐行处理的方式（比如df.apply(lambda x: 1 if x['col1'] == x['col2'] else 0, axis=1)），这种方法在数据量较大时效率极低，远不如上述向量化操作。
• 如果列中存在缺失值NaN，==比较会返回False，若需特殊处理缺失值，可结合pd.isna补充判断逻辑。

内容的提问来源于stack exchange，提问作者Commerce Session