使用Pandas判断列值是否存在于另一数据框多列并新增匹配列报错求助

先聊聊你代码里的两个错误根源：

• 第一个IndexError：你用df_comparing.columns[0,1]取前两列的写法不对，Pandas的列索引对象不支持元组索引，要取多列得用双层方括号[[0,1]]，更稳妥的是用iloc[:, [0,1]]按位置直接取前两列。另外就算取对了两列，直接对DataFrame用isin会返回布尔值的DataFrame，没法直接转成整数列。
• 第二个AttributeError：纯粹是拼写失误，astpye应该写成astype，不过就算改对了，只取单列的话也只能判断单列是否匹配，没法实现你要的「第0列或第1列任一匹配」的需求。

另外你的样本数据有个小问题：df_comparing里Line no只有3个元素，但Line addition有6个，创建DataFrame时会报错，我先帮你修正了样本数据，再给你两种可行的实现方案：

方法一：用apply逐行判断（直观易懂） #

这种方式逻辑清晰，适合新手理解：

import pandas as pd
import numpy as np

# 修正后的样本数据（保证每行对应）
df_comparing = pd.DataFrame({
    'Line no': ['AL5176', 'AL5737', 'AL5978', 'AL1234', 'AL2345', 'AL3456'],
    'Line addition': [np.nan, np.nan, np.nan, 'AL9876', 'AL6789', 'AL5945']
})
df_compare_basis = pd.DataFrame({
    'DataLineID:': ['AL5176', 'AL5737', 'AL5978','AL9876', 'AL6789', 'AL5945']
})

# 把目标ID转成集合，提升查询效率
target_ids = set(df_compare_basis['DataLineID:'])

# 新增Match列：只要第0列或第1列的值在目标集合里，就标记1，否则0
df_comparing['Match'] = df_comparing.apply(
    lambda row: 1 if (row.iloc[0] in target_ids) or (pd.notna(row.iloc[1]) and row.iloc[1] in target_ids) else 0,
    axis=1
)

print(df_comparing)

这里加了pd.notna(row.iloc[1])是为了处理NaN值，避免把NaN误判为匹配（毕竟NaN不在目标集合里）。

方法二：用stack+isin+unstack（更高效的向量操作） #

如果你的数据量很大，用向量操作比apply快很多：

# 同样先准备目标集合
target_ids = set(df_compare_basis['DataLineID:'])

# 把前两列堆叠成Series，判断每个值是否匹配，再按行取最大值（只要有一个匹配就是1）
df_comparing['Match'] = (
    df_comparing.iloc[:, [0,1]]
    .stack()
    .isin(target_ids)
    .unstack()
    .max(axis=1)
    .astype(int)
)

这个方法利用Pandas的向量化操作，避免了逐行循环，处理大数据集时性能优势明显。

运行后你就能得到期望的结果：前3行因为Line no匹配标记1，后3行因为Line addition匹配标记1。

内容的提问来源于stack exchange，提问作者cd-6