Python 比较DataFrame中的两个日期列以验证第三列

背景信息
我正在开发一个数据框架，在这个数据框架中，我使用fuzzymatcher成功地加入了两个不同的足球运动员数据集。这些数据集没有用于精确匹配的键，而是必须按其名称进行匹配。下面是两个数据库中要合并为一个数据库的名称列的匹配示例

long_name       name
L. Messi        Lionel Andrés Messi Cuccittini

作为18000行数据库验证过程的一部分，我想检查合并数据框-

df

中的两个出生日期列，确保这些列匹配，如下面的示例所示

dob             birth_date
1987-06-24      1987-06-24

已使用

pd.to_datetime（）

将两个日期列从字符串转换为日期，例如

df['birth\u date']=pd.to\u datetime（df['birth\u date']）

我的问题
在我的查询中，我有另一列名为“value”。我想更新我的pandas DataFrame，这样，如果两个日期列匹配，条目将保持不变。但是，如果两个日期列不匹配，我希望将此值列中的数据更改为null。这是我可以很容易地在Excel中通过日期差异计算完成的，但我不确定是否使用熊猫

我当前的代码如下：

df.loc[（df['birth_date']！=df['dob']），'value']=np.nan

此步骤的原因（请随意跳过）
这段代码的原因是，它将快速向我显示不准确的模糊匹配（约占数据库总数的10%），并允许我快速修复这些模糊匹配

理想情况下，我还需要对匹配算法进行研究，以确保完美的日期匹配，然而，我当前的算法在当前状态下运行得相当好，项目几乎完成。如果你对此有所了解，我很乐意听到任何建议

非常感谢

IICU： 请尝试

np.where

。 作品如下：

np.where(if condition, assign x, else assign y)

如果条件

=df.loc[（df['birth_date']！=df['dob']，

x

=np.nan和

y

=现行df值

df['value']= np.where(df.loc[(df['birth_date'] != df['dob']),'value'], np.nan, df['value'])

---

是的，这看起来是正确的。我在看pandas解决方案，而不是NumPy。它对我仍然不起作用，因为我有一个有趣的错误：操作数不能与形状（4495，（）（18278，）’一起广播。需要弄清它的底细，但感谢你帮助我回答我的问题！以下操作有效：df['value']=np.where（（df['dob'！=df['birth_date']），np.nan，df['value']）非常感谢！