如何校验取值体系不同的两个DataFrame列的匹配度并统计不匹配项数

实现逻辑：先基于给定的映射规则构造字典，将其中一列转换为和另一列相同的格式后逐行对比，统计不匹配的总数即可。

完整代码示例 #

import pandas as pd

# 1. 定义映射规则，可根据需求选择数字转年龄段或者年龄段转数字的映射
# 此处以数字转年龄段为例
num_to_age = {
    '0': '00-04',
    '1': '05-09',
    '2': '10-14',
    '3': '15-19',
    '4': '20-24',
    '5': '25-29',
    '6': '30-34'
}

# 你的原始数据，可替换为实际读取的数据
A = pd.DataFrame(['30-34', '20-24', '20-24', '15-19', '00-04'])
B = pd.DataFrame(['6','4', '4', '3', '0'])

# 2. 先校验两个列长度是否一致
if len(A) != len(B):
    mismatch_count = abs(len(A) - len(B))
    print(f"两个列长度不一致，默认统计长度差值为不匹配数：{mismatch_count}")
else:
    # 3. 将B列的数字映射为对应的年龄段
    B_mapped = B.iloc[:, 0].map(num_to_age)
    # 4. 统计不匹配的总条数，非法取值（不在映射规则内的取值）也会被统计为不匹配
    mismatch_count = (A.iloc[:, 0] != B_mapped).sum()

print(f"不匹配的元素总数为：{mismatch_count}")

输出结果 #

运行上述示例代码，输出结果为0，和预期一致。

补充说明 #

如果你的DataFrame有明确的列名，将代码中的iloc[:, 0]替换为对应列名即可，例如A的列名为age_range、B的列名为age_code，则对应写法为A['age_range']、B['age_code']。

内容的提问来源于stack exchange，提问作者lonyen11