如何用Pandas对比同DataFrame的值并新增列统计重复次数？

要实现你要的效果，核心是先筛选出column1和column2值相等的行，统计这些匹配组合的出现次数，再将结果映射回原DataFrame，不匹配的行填0。以下是具体实现步骤：

1. 构造示例DataFrame #

先还原你提供的输入数据：

import pandas as pd

data = {
    'id': [0, 1, 2, 3, 4],
    'column1': ['a', 'b', 'a', 'c', 'b'],
    'column2': ['a', 'b', 'c', 'c', 'b']
}
df = pd.DataFrame(data)

2. 统计匹配组合的次数 #

先标记出两列值相等的行，再通过groupby统计这些组合的出现频次：

# 标记column1和column2值相等的行
df['is_match'] = df['column1'] == df['column2']

# 统计匹配组合的出现次数
match_counts = df[df['is_match']].groupby(['column1', 'column2']).size().reset_index(name='count')

3. 合并结果并处理不匹配行 #

将统计结果合并回原DataFrame，对不匹配的行填充0，最后清理临时列：

# 合并统计结果到原表
df = df.merge(match_counts, on=['column1', 'column2'], how='left')

# 不匹配的行count设为0，转换为整数类型
df['count'] = df['count'].fillna(0).astype(int)

# 删除临时标记列
df = df.drop('is_match', axis=1)

最终输出 #

运行后得到的DataFrame如下：

id column1 column2  count
0   0       a       a      1
1   1       b       b      2
2   2       a       c      0
3   3       c       c      1
4   4       b       b      2

高效替代方案（适合大数据集） #

如果你的数据量较大，上面的方法效率更高。如果追求代码简洁，也可以用transform直接完成：

df['count'] = df.groupby(['column1', 'column2']).transform(
    lambda x: len(x) if x.iloc[0]['column1'] == x.iloc[0]['column2'] else 0
)

内容的提问来源于stack exchange，提问作者null92