基于DataFrame共有列匹配统计符合条件行数的技术求助

问题需求 #

统计DataFrame df中每行与df2共有列（A、B、C）值完全匹配的行数，生成带Count列的结果。

示例数据 #

import pandas as pd

df = pd.DataFrame([{'id':1, 'A': 'False', 'B' : 'False' , 'C':'NA'},{'id':2, 'A': 'True', 'B' : 'False' , 'C':'NA'}])
df2 = pd.DataFrame([{'A':'True', 'B': 'False' , 'C':'NA', 'D': 'True'}])

df表格：

df2表格：

期望输出 #

尝试的无效代码 #

for i in range(columns):
    x = action_value_counts_df.columns[i]
    if compare_column.equals(action_value_counts_df[x]):
        print(x, 'Matched')
    else:
        print(x,'Not Matched')

正确实现方案 #

方案1：合并+分组计数 #

通过统计df2中匹配组合的出现次数，再与原表左连接得到结果：

import pandas as pd

# 初始化数据
df = pd.DataFrame([{'id':1, 'A': 'False', 'B' : 'False' , 'C':'NA'},{'id':2, 'A': 'True', 'B' : 'False' , 'C':'NA'}])
df2 = pd.DataFrame([{'A':'True', 'B': 'False' , 'C':'NA', 'D': 'True'}])

# 定义共有列
common_cols = ['A', 'B', 'C']

# 统计df2中各组合的出现次数
match_counts = df2[common_cols].value_counts().reset_index(name='Count')

# 左连接到原df，缺失值填充为0
result = df.merge(match_counts, on=common_cols, how='left').fillna({'Count': 0})

# 确保Count为整数类型
result['Count'] = result['Count'].astype(int)

print(result)

运行输出：

id      A      B    C  Count
0   1  False  False   NA      0
1   2   True  False   NA      1

方案2：逐行判断匹配 #

将df2的匹配组合转为集合，逐行检查是否存在：

import pandas as pd

# 初始化数据
df = pd.DataFrame([{'id':1, 'A': 'False', 'B' : 'False' , 'C':'NA'},{'id':2, 'A': 'True', 'B' : 'False' , 'C':'NA'}])
df2 = pd.DataFrame([{'A':'True', 'B': 'False' , 'C':'NA', 'D': 'True'}])

common_cols = ['A', 'B', 'C']

# 生成df2的匹配组合集合
df2_match_set = set(tuple(row) for row in df2[common_cols].values)

# 逐行判断并添加Count列
df['Count'] = df[common_cols].apply(lambda row: 1 if tuple(row) in df2_match_set else 0, axis=1)

print(df)

该方案直接在原df上生成结果，输出与方案1一致。

内容的提问来源于stack exchange，提问作者Albert Einstein