如何优化Python DataFrame差异稀疏矩阵的展示效果？

核心思路 #

dropna(axis=1, how='all')仅会删除所有行都为空的列，无法实现每行单独保留非空列的需求。我们需要针对每行单独处理，筛选出该行存在差异（非空）的列，再重新组织展示结构。

可行解决方案 #

方法1：生成结构化差异列表（适合Jupyter展示与后续处理） #

# 先执行对比得到差异矩阵
diff = df1.compare(df2)

# 遍历每行提取差异内容
diff_details = []
for row_idx, row_data in diff.iterrows():
    # 筛选当前行非空的列（即有差异的列）
    non_null_entries = row_data.dropna()
    # 按主列整理新旧值
    row_diff = {}
    for (col_name, side), val in non_null_entries.items():
        if col_name not in row_diff:
            row_diff[col_name] = {}
        row_diff[col_name][side] = val
    diff_details.append({"行索引": row_idx, "差异内容": row_diff})

# 在Jupyter中展示结构化结果
display(pd.DataFrame(diff_details))

方法2：逐行打印差异信息（高可读性审计友好） #

def print_row_diffs(diff_df):
    for idx, row in diff_df.iterrows():
        print(f"=== 行索引: {idx} ===")
        # 按主列分组展示新旧值差异
        grouped_cols = row.dropna().groupby(level=0)
        for col, vals in grouped_cols:
            old_val = vals.get((col, 'self'), '无记录')
            new_val = vals.get((col, 'other'), '无记录')
            print(f"列 {col}: 旧值 = {old_val}, 新值 = {new_val}")
        print("\n")

# 调用函数展示差异
print_row_diffs(diff)

方法3：用Styler自定义表格显示（保留DataFrame形态） #

如果希望保留表格样式，同时自动隐藏每行的空列，可借助pandas的Styler功能：

def hide_empty_cells(row):
    # 非空单元格正常显示，空单元格隐藏
    return ['display: table-cell' if pd.notna(val) else 'display: none' for val in row]

# 应用样式并在Jupyter中展示
diff.style.apply(hide_empty_cells, axis=1)

各方法适用场景 #

• 方法1：适合需要将差异导出为结构化数据（如CSV、JSON）的场景；
• 方法2：适合快速审计，逐行清晰查看每个列的新旧值变化；
• 方法3：适合需要保留表格视觉形态，同时简化每行显示内容的需求。

内容的提问来源于stack exchange，提问作者Mike