如何统计DataFrame中两列值相同的行数？

嘿，这个需求太常见了，我给你几个简单高效的方法，分分钟搞定！

方法一：直接对比求和（最直观） #

最直接的思路就是逐行对比a和b列的取值，生成一个布尔型Series，然后用sum()统计其中True的数量（毕竟计算时True会被当作1，False当作0）。

代码示例：

import pandas as pd

# 假设你的DataFrame是df
count = (df['a'] == df['b']).sum()
print(f"两列取值相同的行数：{count}")

方法二：用eq()方法（链式调用更顺手） #

Pandas的Series自带eq()方法，功能和==完全一致，如果你习惯链式调用代码，这个写法会更顺畅：

count = df['a'].eq(df['b']).sum()

效果和方法一一模一样，选你看着顺眼的就行～

方法三：先筛选再计数（方便查看符合条件的行） #

如果你不仅要计数，还想看看哪些行符合条件，那可以先过滤出目标行，再统计行数：

# 筛选出a和b取值相同的行
matching_rows = df[df['a'] == df['b']]
# 用len()统计行数
count = len(matching_rows)
# 或者用shape[0]，效果一样
count = matching_rows.shape[0]

这样你还能保留matching_rows这个DataFrame，后续想查看或处理这些行都很方便。

注意点：处理缺失值（NaN） #

如果你的数据里有NaN，要注意NaN不等于任何值，包括它自己，所以上面的方法会把两列都是NaN的行排除在外。如果需要把这种情况也统计进去，可以这么写：

# 统计「值相等」或者「两者都是NaN」的行数
count = ((df['a'] == df['b']) | (df['a'].isna() & df['b'].isna())).sum()

这个细节很重要，别漏了哦！

内容的提问来源于stack exchange，提问作者user9605051