import pandas as pd
import numpy as np

data = {
    'A':['1A','2A','3A','5A'],
    'B':[100,'1A',101,'1A'],
    'Bool': False
}
df = pd.DataFrame(data)

使用此代码，您将获得以下 Dataframe ：

A    B   Bool
0  1A  100  False
1  2A   1A  False
2  3A  101  False
3  5A   1A  False

您可以使用iterrows（）以这种方式更正第三列

list_A = np.array(df['A'])
for index, row in df.iterrows():
  if df['B'][index] in list_A:
    df['Bool'][index] = True

输出为：

A    B   Bool
0  1A  100  False
1  2A   1A   True
2  3A  101  False
3  5A   1A   True

但这并不是一个好的解决方案，如果没有iterrows（），你可以做如下操作：

data = {
    'A':['1A','2A','3A','5A'],
    'B':[100,'1A',101,'1A']
}
df = pd.DataFrame(data)

df['bool'] = df['B'].isin(df['A'])

输出是相同的：

A    B   bool
0  1A  100  False
1  2A   1A   True
2  3A  101  False
3  5A   1A   True

• • 为什么第二种方法比使用iterrows（）更好？**
• 设置复制警告：通常，当你对Pandas中的行运行iterrows（），同时改变 Dataframe 中的一个值时，你会得到以下警告：

SettingWithCopyWarning:A value is trying to be set on a copy of a slice from a DataFrame

• 运行时间：

df['B'].isin(df['A']) Time:  0.002069372000050862
df.iterrows()         Time:  0.010589972999696329