Pandas如何逐行比较DataFrame两列内容并输出指定列数据

df['person-name'].equals(df['new-person'])方法仅返回单个布尔值，作用是校验两个Series整体的索引、值是否完全一致，无法生成逐行布尔筛选掩码，因此无法实现行级匹配筛选的效果。

要匹配「姓名分词顺序不同但指向同一实体」的记录，核心判断逻辑为：将两列的姓名字符串按空格拆分为分词列表，对分词列表排序后比对是否完全一致——顺序颠倒的姓名拆分排序后结果完全相同，可以被准确识别。

基础实现代码 #

# 生成逐行匹配的布尔掩码
match_mask = (
    df["person-name"].str.split().apply(sorted)
    == df["new-person"].str.split().apply(sorted)
)

# 筛选匹配行，仅保留指定4列
result = df.loc[match_mask, ["identifier", "person-name", "new-identifier", "new-person"]]

场景适配优化 #

如果数据中存在姓名大小写不统一的情况（例如Sidney Crosby和crosby sidney），可以先统一转为小写再做拆分匹配，避免漏判：

match_mask = (
    df["person-name"].str.lower().str.split().apply(sorted)
    == df["new-person"].str.lower().str.split().apply(sorted)
)

注意事项 #

• 列名包含-等特殊符号时，必须使用df["列名"]的方括号语法访问列，不能使用df.列名的点访问语法，否则会被Python识别为减法运算，触发语法错误。
• 上述逻辑默认姓名以空格作为分词分隔符，如果数据中存在多空格、特殊标点分隔姓名、带中间名的场景，可以先对姓名字段做针对性清洗，再执行匹配逻辑。

内容的提问来源于stack exchange，提问作者learner22