如何统计df1的Date列中存在于df2的Date列的值数量

要统计df1的Date列中同时存在于df2的Date列中的值的数量（非唯一值计数），可以用以下两种实用方法实现：

方法一：Pandas自带的isin()方法（简洁直观） #

先构造与你提供的数据一致的示例DataFrame：

import pandas as pd

df1 = pd.DataFrame({
    'Date': ['2016-03-21 20:10:00', '2016-03-22 21:09:00', '2016-05-03 17:05:00']
})

df2 = pd.DataFrame({
    'Date': ['2016-03-21 20:10:00', '2016-03-21 21:00:00', '2016-03-22 21:09:00', '2016-05-03 17:05:00', '2017-06-01 16:10:00']
})

执行统计：

# 判断df1每个Date是否在df2中，求和得到符合条件的数量
match_count = df1['Date'].isin(df2['Date']).sum()
print(match_count)  # 输出：3

原理：isin()返回布尔Series，每个元素对应df1的Date值是否存在于df2的Date列；sum()将布尔值转为1（True）和0（False），求和后就是符合条件的总数量。如果df1中有重复的Date值，只要该值在df2中存在，重复次数也会被计入统计。

方法二：利用集合查找（大数据量更高效） #

如果数据集规模较大，集合的查找效率更高（时间复杂度O(1)），可以用以下方式：

# 将df2的Date列转为集合
df2_dates = set(df2['Date'])
# 遍历df1的Date，统计存在于集合中的数量
match_count = sum(1 for date in df1['Date'] if date in df2_dates)
print(match_count)  # 输出：3

内容的提问来源于stack exchange，提问作者monica