### Pandas `compare` 方法的使用指南 Pandas 提供了 `DataFrame.compare()` 方法来对比两个 DataFrame 并显示它们之间的差异。此方法特别适用于数据分析场景中的数据验证和调试。 #### 基础语法 以下是 `DataFrame.compare()` 的基础语法： ```python DataFrame.compare(other, align_axis=1, keep_shape=False, keep_equal=False) ``` - **参数说明**: - `other`: 被比较的目标 DataFrame。 - `align_axis`: {0 or 'index', 1 or 'columns'}，默认为 1 ('columns')。指定对齐轴的方向。 - 如果设置为 0，则基于索引对齐；如果设置为 1，则基于列名对齐。 - `keep_shape`: 默认为 False。如果设为 True，则返回的结果会保留原始形状，即使某些位置没有差异也会填充 NaN。 - `keep_equal`: 默认为 False。如果设为 True，则相等的部分也会被展示出来而不是仅显示不同部分[^5]。 #### 示例代码 下面是一个简单的例子，演示如何使用 `compare` 方法： ```python import pandas as pd # 创建两个示例 DataFrame df1 = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}, index=[0, 1, 2]) df2 = pd.DataFrame({'A': [1, 4, 3], 'B': ['a', 'd', 'e']}, index=[0, 1, 2]) # 使用 compare 方法进行比较 result = df1.compare(df2) print(result) ``` 运行结果如下所示： ``` A B self other self other 1 2.0 4.0 b d 2 NaN NaN c e ``` 解释： - 列“A”的第1行存在差异 (self: 2 vs other: 4)，因此该值被记录下来。 - 列“B”的第1行也存在差异 (self: 'b' vs other: 'd')。 - 第2行虽然有变化，但由于保持原样未改变，所以只标记不同的地方[^6]。 #### 特殊情况下的行为 当设置了 `keep_shape=True` 参数时，输出将保留完整的行列结构，并用 NaN 表示无差别的单元格。 ```python result_with_keep_shape = df1.compare(df2, keep_shape=True) print(result_with_keep_shape) ``` 输出将是这样的形式： ``` A B self other self other 0 NaN NaN NaN NaN 1 2.0 4.0 b d 2 NaN NaN c e ``` 这表明所有的行都被保留了下来，而不仅仅是那些发生变化的地方[^7]。 #### 注意事项 尽管 `compare` 是一个非常有用的工具，但它也有一些局限性需要注意： - 它只能应用于具有相同索引和列标签的数据框之间。 - 不支持复杂的嵌套对象或者自定义类型的直接比较操作[^8]。 ### 结论 综上所述，`pandas.DataFrame.compare()` 是一种高效便捷的方式来识别两份表格间存在的异同之处，在实际项目开发过程中可以极大地提升工作效率并减少错误发生率。