Pandas如何添加split拆分列并对比两列|分隔值匹配情况

1. 拆分结果替换原DataFrame列 #

你原代码里的groupby循环写法完全没必要，而且循环内的临时变量不会修改原表——str.split('|')默认不展开结果，返回的是与原列长度一致、每个元素为拆分后列表的Series，直接赋值给原列即可完成替换：

import pandas as pd

df = pd.read_csv('fromTableau.csv')
# 直接赋值替换原列为拆分后的列表序列
df['systemA'] = df['systemA'].str.split('|')
df['systemB'] = df['systemB'].str.split('|')

注意：你原循环中写的systemA = df['systemA'].str.split('|')取的是全量数据的列，和groupby切分出来的分组子集没有关联，执行后不会对原df产生任何修改。

2. 逐位置标记两列拆分后的值匹配情况 #

首先要兼容两边拆分后列表长度不一致的异常场景，先做长度对齐（短列表补None填充到和长列表等长），再逐位置对比，两种常用标记方式按需选：

方式1：返回逐位置匹配的布尔序列 #

新增列存储和拆分列表等长的布尔列表，每个位置True代表该位置两边值相等，False代表不匹配：

def mark_match(a_list, b_list):
    # 对齐两个列表长度
    max_len = max(len(a_list), len(b_list))
    a_pad = a_list + [None] * (max_len - len(a_list))
    b_pad = b_list + [None] * (max_len - len(b_list))
    # 逐位置返回匹配结果
    return [val_a == val_b for val_a, val_b in zip(a_pad, b_pad)]

df['match_position'] = df.apply(lambda row: mark_match(row['systemA'], row['systemB']), axis=1)

举个实际例子：如果某行systemA拆分后为['win','mac','linux']，systemB拆分后为['win','ubuntu','linux']，对应match_position的值就是[True, False, True]，直接能看到第2个位置值不匹配。

方式2：返回带具体值的对比明细 #

如果需要同时拿到不匹配位置两边的具体值，可以返回结构化的对比结果：

def compare_detail(a_list, b_list):
    max_len = max(len(a_list), len(b_list))
    a_pad = a_list + [None] * (max_len - len(a_list))
    b_pad = b_list + [None] * (max_len - len(b_list))
    detail = []
    for pos, (val_a, val_b) in enumerate(zip(a_pad, b_pad)):
        detail.append({
            'position': pos,
            'systemA_value': val_a,
            'systemB_value': val_b,
            'is_match': val_a == val_b
        })
    return detail

df['compare_result'] = df.apply(lambda row: compare_detail(row['systemA'], row['systemB']), axis=1)

补充说明 #

如果你确实需要按my._id分组做后续处理，循环时要操作分组返回的子集，不要直接引用全量df：

for group_id, group_subdf in df.groupby('my._id'):
    # 针对单个分组的子集做逻辑处理
    pass

内容的提问来源于stack exchange，提问作者Tony