如何用循环优化两个DataFrame列值全相等时的加分逻辑？

问题背景 #

你有两个列名完全一致的数值型DataFrame，需求是当两个DataFrame对应列的所有值都相等时，给初始值为0的score加10分。目前用手动逐个列判断的方式实现，代码冗余，想要用循环或更简洁的方法优化。

示例数据：
DataFrame 1

DataFrame 2

当前手动实现的代码：

score=0
if (df1['Column A'][0]==df2['Column A'][0])&(df1['Column B'][0]==df2['Column B'][0])&(df1['Column C'][0]==df2['Column C'][0])&(df1['Column D'][0]==df2['Column D'][0]):
    score=score+10 

优化方案 #

方案1：用for循环遍历列验证 #

这种方式逻辑清晰，适合需要中途中断判断的场景：

score = 0
all_match = True
# 遍历所有列名
for col in df1.columns:
    # 检查当前列所有值是否完全相等
    if not df1[col].equals(df2[col]):
        all_match = False
        break
if all_match:
    score += 10

方案2：直接用DataFrame的equals方法（最简洁） #

因为两个DataFrame列名一致，直接判断整个DataFrame是否完全相等即可，一步到位：

score = 0
if df1.equals(df2):
    score += 10

方案3：用生成器表达式快速验证 #

通过all()函数批量判断所有列是否都匹配，代码更紧凑：

score = 0
if all(df1[col].equals(df2[col]) for col in df1.columns):
    score += 10

补充：如果只需要验证某一行（比如第0行） #

如果你的需求其实是验证某一行的所有列值相等（比如示例代码里只判断了[0]索引的行），可以改成：

score = 0
if df1.iloc[0].equals(df2.iloc[0]):
    score += 10

注意点 #

• series.equals()方法会严格检查数据值、索引、数据类型是否完全一致，比逐元素==判断更严谨，能避免一些隐式类型转换导致的错误。

内容的提问来源于stack exchange，提问作者Agustin Tettamanti