如何遍历DataFrame列统计相邻列差异次数并更新Aggregate列

我的DataFrame包含1000列，列值范围为0-4。初始数据如下：

需求：每当相邻两列值不相等时，给Aggregate列加1，最终效果如下：

我一开始的思路是逐个判断相邻列：

if df['Q1'] != df['Q2']:
    df['Aggregate'] + 1
else:
     pass

接着再判断Q2和Q3：

if df['Q2'] != df['Q3']:
    df['Aggregate'] + 1
else:
     pass

但这样没法高效遍历1000列，希望找到能统计每行总变化次数的方法。

解决方案 #

可以利用Pandas的移位和聚合操作实现高效统计，无需手动遍历每一列：

import pandas as pd

# 提取需要对比的数值列（排除City和初始Aggregate列）
value_cols = df.columns.difference(['City', 'Aggregate'])
# 计算每行相邻列的差异次数：右移列后与原列比较，统计不相等的数量
df['Aggregate'] = (df[value_cols] != df[value_cols].shift(axis=1)).sum(axis=1)

代码说明： #

• columns.difference(['City', 'Aggregate'])：筛选出所有需要对比的数值列，自动适配1000列的场景
• shift(axis=1)：将每行的列值向右移动一位，使得原列与移位后的列对应位置为相邻的两列
• !=：逐元素比较原列和移位后的列，得到布尔值DataFrame（不相等为True）
• sum(axis=1)：对每行的布尔值求和，True会被视为1，False视为0，结果就是该行相邻列值变化的总次数，直接赋值给Aggregate列

内容的提问来源于stack exchange，提问作者gorilla