Pandas DataFrame使用eq比较时如何忽略元素顺序

使用df.product_series.eq(other=df.warehouse_series)做等值比较时，是按单元格值做严格逐位匹配：如果单元格内存放的是多值序列（列表、分隔字符串等），只要元素顺序不一致，哪怕内容完全相同，也会被判定为不匹配，比如价格组[350, 850]和[850, 350]会返回False。

核心逻辑是将两列的多值内容统一转换为无序结构后再比较，自动忽略顺序影响，适配给出的两种多值存储格式（|分隔字符串、列表格式字符串）。

1. 编写通用转换函数，把不同格式的多值统一处理为集合：

   import pandas as pd
   import ast
   
   def parse_to_unordered(val):
       # 处理空值
       if pd.isna(val) or str(val).strip() == "":
           return set()
       val_str = str(val).strip()
       # 适配|分隔的字符串格式
       if "|" in val_str:
           return set(val_str.split("|"))
       # 适配列表格式字符串，先解析为真实列表再转集合
       try:
           val_list = ast.literal_eval(val_str)
           return set(val_list)
       except:
           # 单值场景直接返回单元素集合
           return {val_str}
   

2. 两列分别做格式转换后直接比较，即可得到忽略顺序的匹配结果：

   # 两列统一转为无序集合
   col1_set = df["seriesfrom1"].apply(parse_to_unordered)
   col2_set = df["seriesfrom2"].apply(parse_to_unordered)
   
   # 生成比较结果：元素完全一致（忽略顺序）则返回True
   df["match_result"] = col1_set == col2_set
   

• 如果多值中存在重复元素（比如一组值是[350, 350, 850]，另一组是[350, 850]），集合自动去重的特性会导致判断偏差，这种场景可以把转换逻辑里的set()替换为tuple(sorted())，既可以忽略元素顺序，又能校验重复值的数量是否一致。
• 比较前注意统一值的类型，比如字符串格式的"1703.0"和浮点型的1703.0需要转成同类型，避免类型差异导致的误判。

内容的提问来源于stack exchange，提问作者Tony