首先，我们需要使用Python的pandas库来处理和分析数据。以下是一个简单的步骤：

1. 导入所需的库：pandas，numpy，os，shutil等。
2. 读取原始数据文件。
3. 对数据进行拆分，生成新的数据文件。
4. 遍历新生成的数据文件，标记出现与原始数据相同的数据。
5. 统计同一列相同标记的数据。

以下是一个示例代码：

import pandas as pd

import numpy as np

import os

import shutil



# 读取原始数据文件

data = pd.read_csv('original_data.csv')



# 对数据进行拆分，生成新的数据文件

for i in range(0, len(data), 100000):

    df = data.iloc[i:i+100000]

    new_file = f'new_data_{i//100000}.csv'

    df.to_csv(new_file, index=False)



# 遍历新生成的数据文件，标记出现与原始数据相同的数据

with open(new_file, 'r') as f:

    df = pd.read_csv(f)

    for i in range(len(df)):

        if df.iloc[i].equals(data.iloc[i]):

            df.at[i, 'flag'] = 1



# 统计同一列相同标记的数据

counts = df['flag'].value_counts().sort_index()

print(counts)

这个代码会将原始数据按照每10万行进行拆分，生成新的CSV文件。然后遍历这些新的文件，找到与原始数据相同的数据，并标记为1。最后统计同一列中标记为1的数据数量。数据裂变，根据原始的数据进行不停的裂变，得到几千万的数据量，在这些数据量中标记出现与原始数据相同的数据，最后统计同一列相同标记的数据。