如何比较两个数据框以显示差异？

Question

我正在尝试比较两个大小不同的 excel 文件，一个有 5701 行，另一个有 5904 行。列是价格和项目描述。我正在尝试通过文本进行比较，以了解项目的不同之处。

import pandas as pd
import numpy as np

df = pd.read_csv('C:/Users/Text/Downloads/D1.csv')
df2 = pd.read_csv('C:/Users/Text/Downloads/D2.csv')


df['text_match'] = np.where(df['Project ID'] == df2['Project ID'], 'True', 'False')
print(df.loc[(df['text_match'] == 'False')])

当我尝试运行代码时出现以下错误：

raise ValueError("Can only compare identically-labeled Series objects")
ValueError: Can only compare identically-labeled Series objects

Answer 1

要比较 2 个 dfs - 记录数必须相同：

你可以使用：

df1.equals(df2)

然后get - false，没有比较的选项。

有使用选项：

df1.reset_index(drop=True) == df2.reset_index(drop=True)

---

还有另一种选择 - 将第二个 df 剪切为（5701 行）

# Number of rows to drop
n = 203
 
# Removing last n rows
df2 = df2.iloc[:-n]

Answer 2

可以使用Pandas的@​​987654321@函数，如下：

df.compare(df2)

示例输出如下：

  col1       col3
  self other self other
0    a     c  NaN   NaN
2  NaN   NaN  3.0   4.0

它突出了self 与df 和other 与df2 的区别

您可以通过例如比较部分列

df[['Project ID', 'Price']].compare(df2[['Project ID', 'Price']])

或者，如果您只想比较 Project ID 列：

df['Project ID'].compare(df2['Project ID'])

---

另一种方法是尝试过滤不匹配的Project ID，使用.isin()，如下：

df.loc[~df['Project ID'].isin(df2['Project ID'])]

和：

df2.loc[~df2['Project ID'].isin(df['Project ID'])]