如何从datacompy对比结果中提取不匹配列名？

我正在使用datacompy对比两个DataFrame的所有列，以inventory_id作为连接列，目标是提取存在不匹配值的列名。示例中存在不匹配的列为indinv_vari_ware_uid，但实际场景中常出现多列不匹配的情况。希望通过编程方式从对比结果中提取这些列名，输出到文本文件或日志，避免阅读大量对比报告。现有代码如下：

import datacompy
compare = datacompy.Compare(df1, df2, join_columns=['inventory_id'], df1_name='df1', df2_name='df2')  
print(compare.report())

解决方案 #

datacompy的Compare对象内置了直接获取不匹配列的属性，无需手动解析冗长的报告文本。

提取不匹配列名 #

通过compare.mismatch_columns属性可直接获取所有存在值不匹配的列名列表：

import datacompy

# 执行DataFrame对比
compare = datacompy.Compare(
    df1, 
    df2, 
    join_columns=['inventory_id'], 
    df1_name='df1', 
    df2_name='df2'
)

# 获取所有值不匹配的列名
mismatched_cols = compare.mismatch_columns

print("存在不匹配值的列名：", mismatched_cols)

输出到文本文件或日志 #

将结果保存到文本文件：

with open('mismatched_columns.txt', 'w', encoding='utf-8') as f:
    f.write("存在不匹配值的列名：\n")
    for col in mismatched_cols:
        f.write(f"- {col}\n")

写入日志（以Python标准logging模块为例）：

import logging
logging.basicConfig(filename='data_compare.log', level=logging.INFO, encoding='utf-8')
logging.info(f"存在不匹配值的列名：{mismatched_cols}")

补充说明 #

• compare.mismatch_columns返回的是对应行值存在差异的列；
• 若要提取仅在某一张表中存在的列，可使用compare.df1_unq_columns（仅df1包含）和compare.df2_unq_columns（仅df2包含）；
• 如需查看具体的不匹配行数据，可调用compare.mismatches获取对应的DataFrame。

内容的提问来源于stack exchange，提问作者user032020