或者你可以使用equals方法：

df['new_column'] = df['column_one'].equals(df['column_two'])

字符串
这是一个包含电池的方法，无论dtype或单元格的内容如何都可以工作。如果你愿意，你也可以把它放在一个循环中。

据我所知，Pandas并不认为NaN在元素级的相等和不相等比较方法上有什么不同。而在比较整个Pandas对象（Series，DataFrame，Panel）时，它会这样做。
NaN值被视为不同（即NaN！= NaN）。-source

全元素相等Assert.eq()

分别比较每一行中两列的值。这将返回一系列Assert。

• 选项1*：将.eq()方法与.fillna()链接。

df['new_column'] = df['column_one'].fillna('-').eq(df['column_two'].fillna('-'))

字符串
选项2：之后使用.loc()和.isna()替换NaNAssert。

df['new_column'] = df['column_one'].eq(df['column_two'])
df.loc[test['column_one'].isna() & test['column_two'].isna(),'new_column'] = True

型
请注意，这两个选项对于 column_one 和 column_two 中的源数据都是非破坏性的。还值得看看Pandas文档中的working with missing data指南。

Object wise equality assertion .equals()

将Pandas对象（Series，DataFrame，Panel）作为一个整体进行比较，将所有行及其顺序解释为单个值。这将返回一个布尔值（标量）。

df['column_one'].equals(df['column_two'])

型

你可以使用下面的循环，只要两个列的格式相同，它就可以工作，不管你的数组是否包含NAN

def Check(df):
   if df['column_one']== df['column_two']:
      return "True"
   else:
      return "False" 

df['result'] = df.apply(Check, axis=1)
df

字符串

也适用于“无”值。

df['are_equal'] = df['a'].eq(df_f['b'])

字符串
结果df：

的数据