Python 遍历所有dataframe列

我想比较2个给定数据帧的所有行

如何优化以下代码以动态迭代给定数据帧的所有列

df1，df2=pd.read\u csv（…）
对于index2，df2.iterrows（）中的第2行：
对于index1，df1.iterrows（）中的第1行：
如果第1行[0]==第2行[0]：i=i+1
如果第1行[1]==第2行[1]：i=i+1
如果第1行[2]==第2行[2]：i=i+1
如果第1行[3]==第2行[3]：i=i+1
打印（“#相同值：“+str（i））
i=0

IIUC您需要检查一个数据帧的整行是否等于另一个数据帧。您可以比较两个数据帧是否相等，然后使用轴=1的方法检查行，然后对结果求和：

df1 = pd.DataFrame({'a': [1, 2, 3, 4, 5], 'b': [2, 3, 4, 5, 6]})
df2 = pd.DataFrame({'a': [1, 5, 3, 7, 5], 'b': [2, 3, 8, 5, 6]})

In [1531]: df1 == df2
Out[1531]: 
       a      b
0   True   True
1  False   True
2   True  False
3  False   True
4   True   True

In [1532]: (df1 == df2).all(axis=1)
Out[1532]: 
0     True
1    False
2    False
3    False
4     True
dtype: bool

In [1533]: (df1 == df2).all(axis=1).sum()
Out[1533]: 2

result = (df1 == df2).all(axis=1).sum()

In [1535]: print("# same values: "+str(result))
# same values: 2

---

嵌套的

for

循环表明您正在将第一个

数据帧的所有
行
与第二个
数据帧的所有
行
进行比较，并计算相应列中的值相匹配的情况

如果是这样，您可以使用
numpy
广播来
sum
在
df1
中相对于
df2
中的所有
行的每个
行
的相等情况，然后对
df1
中的所有
行
进行
求和
以获得这样的总数：

df1.apply(lambda x: np.sum(df2.values == x.values), axis=1)

举例来说，两个随机抽样的
数据帧
：

df1 = pd.DataFrame(np.random.randint(1, 5, (10, 2)))

   0  1
0  2  4
1  2  3
2  4  1
3  3  3
4  3  3
5  4  4
6  2  4
7  3  4
8  3  4
9  4  1

df2 = pd.DataFrame(np.random.randint(1, 5, (10, 2)))

   0  1
0  3  2
1  3  4
2  4  4
3  2  3
4  4  3
5  4  1
6  4  1
7  3  4
8  3  1
9  1  4

将所有
df1
行与所有
df2
行进行比较后，获取所有
df1
行的相等值之和
：

df1.apply(lambda x: np.sum(df2.values == x.values), axis=1)

0    5
1    3
2    7
3    6
4    6
5    8
6    5
7    8
8    8
9    7

然后你可以把这些案例加起来，或者一次完成所有这些：

df1.apply(lambda x: np.sum(df2.values == x.values), axis=1).sum()

63

您在哪里申报
i
？能否为数据帧制作一个可复制的示例？要直接访问列名，请使用
df1.columns