如何判断Pandas DataFrame不同列间的值匹配情况并新增布尔列标记结果

你的问题出在使用了how='inner'的merge操作——内连接只会保留两边匹配的行，自然会丢失那些不匹配的记录。想要保留原DataFrame的所有行并添加布尔判断列，有两种简单的方案：

方法一：使用isin()（最推荐） #

这是最直接高效的方式，isin()方法会逐个检查col_2中的元素是否存在于col_1的全部值中，返回一个布尔值Series，直接赋值给新列即可：

import pandas as pd

# 假设你的原始DataFrame是df
df = pd.DataFrame({
    'col_1': ['x1', 'x3', 'x4', 'x5', 'x7'],
    'col_2': ['x2', 'x4', 'x10', 'x5', 'x11']
})

# 添加bool列
df['bool'] = df['col_2'].isin(df['col_1'])

print(df)

输出结果完全符合你的需求：

col_1 col_2   bool
0    x1    x2  False
1    x3    x4   True
2    x4   x10  False
3    x5    x5   True
4    x7   x11  False

方法二：改进merge操作（左连接+处理标记列） #

如果你想继续用merge实现，可以改用左连接（how='left'）保留所有原始行，再通过_indicator列的标记来生成布尔值：

# 将col_1重命名为col_2，用于连接
col1_set = df['col_1'].rename('col_2')
# 左连接，保留原df的所有行
df2 = df.merge(col1_set, on='col_2', how='left', indicator='bool')
# 将标记转换为布尔值：'both'表示匹配，转为True，否则False
df2['bool'] = df2['bool'] == 'both'

print(df2)

这个方法也能得到和上面一致的结果，但相比isin()步骤稍多，所以更推荐第一种方案。

内容的提问来源于stack exchange，提问作者sksoumik