如何统计Pandas DataFrame两列均为有效值的行中值不同的数量？

嘿，这个需求其实很好实现，我给你两种实用的方案，其中一种刚好契合你最初想先处理无效行的思路：

方案1：分步处理（符合你的初始想法） #

先把带无效值（N/A）的行过滤掉，再统计剩余行里a和b不相等的数量：

import pandas as pd

# 构造你给出的示例DataFrame
df = pd.DataFrame({
    'a': ['N/A', 1, 2, 2, 0, 'N/A'],
    'b': [3, 1, 0, 'N/A', 1, 'N/A']
})
# 先把字符串形式的"N/A"替换成Pandas能识别的缺失值
df = df.replace('N/A', pd.NA)

# 第一步：筛选出a和b都不为缺失值的行
valid_rows = df.dropna(subset=['a', 'b'])
# 第二步：统计a≠b的行数（布尔值求和，True算1，False算0）
mismatch_count = (valid_rows['a'] != valid_rows['b']).sum()
print(mismatch_count)  # 结果就是你要的2

方案2：一步式布尔索引（更高效） #

如果你不想生成中间DataFrame，直接用布尔条件组合就能一步搞定，处理大数据集时更省内存：

# 同样先替换"N/A"为缺失值
df = df.replace('N/A', pd.NA)

# 组合三个条件：a非空、b非空、a≠b，然后求和统计数量
mismatch_count = ((df['a'].notna()) & (df['b'].notna()) & (df['a'] != df['b'])).sum()
print(mismatch_count)  # 同样输出2

小提醒 #

一定要记得把字符串'N/A'替换成Pandas认可的缺失值（比如pd.NA或者np.nan），不然dropna()和notna()没法正确识别无效行哦～

内容的提问来源于stack exchange，提问作者Krzysztof Słowiński