如何用Pandas统计两个同结构纯数值CSV列中差值超3的次数

直接用Pandas的矢量化操作就能高效完成需求，无需逐列循环，代码如下：

import pandas as pd

# 读取两个结构一致的CSV文件
df = pd.read_csv('a.csv')
de = pd.read_csv('b.csv')

# 计算所有对应元素的差值绝对值
abs_diff_matrix = (df - de).abs()

# 统计每列中差值绝对值超过3的行数
column_over_3_counts = (abs_diff_matrix > 3).sum(axis=0)

# 转换为DataFrame格式，方便查看结果
result = column_over_3_counts.to_frame(name='差值绝对值超3的次数')
print(result)

代码说明 #

• 差值计算：利用Pandas的广播机制，直接对两个DataFrame做减法运算后取绝对值，一次性得到所有位置的差值绝对值
• 条件筛选：通过abs_diff_matrix > 3生成布尔矩阵，满足条件的元素标记为True（等价于数值1），不满足的为False（等价于数值0）
• 按列统计：调用sum(axis=0)对每列的布尔值求和，得到该列中符合条件的次数
• 结果格式化：将统计结果转为DataFrame，让输出更清晰易读

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