如何在DataFrame中对比两列并生成相等标识列（1/0）

问题说明 #

你需要在DataFrame中新增一列same，标记ConvenienceStoreClosest和ConvenienceStoreClosestOSRM两列的每行值是否相同（1表示相同/正确，0表示不同/错误），再计算两者的占比。但你之前的代码逻辑存在错误：直接比较列名字符串而非对应行的实际值，且apply仅传入了单一列的数据，根本没用到另一列的内容。

错误代码分析 #

你的原有代码：

def same(closests):
    if 'ConvenienceStoreClosest' >= 'ConvenienceStoreClosestOSRM':
        return 1
    else:
        return 0
df_all['same'] = df_all['ConvenienceStoreClosest'].apply(same)

核心问题：

• 函数内比较的是两个列名的字符串，不是每行的实际数值
• apply仅传入了ConvenienceStoreClosest列的值，完全未涉及ConvenienceStoreClosestOSRM列的数据

正确实现方式 #

方法一：直接列运算（推荐，效率更高）

无需自定义函数，直接对两列做相等判断，再转换为整数类型：

# 新增same列，1表示两列值相同，0表示不同
df_all['same'] = (df_all['ConvenienceStoreClosest'] == df_all['ConvenienceStoreClosestOSRM']).astype(int)

方法二：使用apply按行处理

如果一定要用自定义函数，需指定axis=1让apply按行处理，函数接收整行数据后比较对应列：

def same(row):
    return 1 if row['ConvenienceStoreClosest'] == row['ConvenienceStoreClosestOSRM'] else 0

df_all['same'] = df_all.apply(same, axis=1)

计算正误占比 #

方式一：用均值计算

correct_ratio = df_all['same'].mean()  # 正确占比（1的比例）
error_ratio = 1 - correct_ratio       # 错误占比（0的比例）

print(f"正确占比: {correct_ratio:.2%}")
print(f"错误占比: {error_ratio:.2%}")

方式二：用value_counts统计

ratio = df_all['same'].value_counts(normalize=True)
print(f"正确占比: {ratio.get(1, 0):.2%}")
print(f"错误占比: {ratio.get(0, 0):.2%}")

内容的提问来源于stack exchange，提问作者lmes