Python中如何比较两个DataFrame的逗号分隔值列（忽略顺序）

核心思路是把Items列的字符串转换成元素集合（集合不关心元素顺序，只关心元素是否存在），再比较集合是否相等。需要先统一处理不同的分隔符（逗号、空格）：

步骤1：定义处理函数 #

先写一个函数，把任意分隔的字符串转成元素集合：

def str_to_set(s):
    # 把逗号替换成空格，统一分隔符
    cleaned = s.replace(',', ' ')
    # 按空格分割，过滤空字符串（避免连续空格的情况）
    elements = [item.strip() for item in cleaned.split() if item.strip()]
    # 转成集合
    return set(elements)

步骤2：处理两个DataFrame的Items列 #

用apply方法把函数应用到Items列，得到集合列：

import pandas as pd

# 构造示例DataFrame
df1 = pd.DataFrame({
    'Id': ['AQ', 'AT', 'AY'],
    'Items': ['a,b,c', 'z,x,y', 'k,l,m']
})

df2 = pd.DataFrame({
    'Id': ['AQ', 'AT', 'AY'],
    'Items': ['b,c a', 'z,y,x', 'k,l,m,n']
})

# 生成集合列
df1['items_set'] = df1['Items'].apply(str_to_set)
df2['items_set'] = df2['Items'].apply(str_to_set)

步骤3：比较并生成结果 #

合并两个DataFrame的Id和items_set列，比较集合是否相等，最后整理成目标格式：

# 按Id合并，确保顺序一致
result = pd.merge(df1[['Id', 'items_set']], df2[['Id', 'items_set']], on='Id', suffixes=('_1', '_2'))
# 比较集合是否相等
result['comparison_items'] = result['items_set_1'] == result['items_set_2']
# 保留需要的列
final_result = result[['Id', 'comparison_items']]

print(final_result)

运行后输出：

Id  comparison_items
0  AQ              True
1  AT              True
2  AY             False

补充说明 #

如果你的Items列存在重复元素（比如a,a,b），且需要考虑重复次数，就不能用集合了，应该用排序后的列表来比较：

def str_to_sorted_list(s):
    cleaned = s.replace(',', ' ')
    elements = [item.strip() for item in cleaned.split() if item.strip()]
    return sorted(elements)

# 后续比较逻辑同上，只是把集合换成排序后的列表

内容的提问来源于stack exchange，提问作者Ann Alexis