如何找出两个DataFrame中cust_id对应的town_id变更记录并生成DataFrame？

直接用pandas的合并+筛选就能搞定，步骤如下：

1. 准备示例数据 #

import pandas as pd

# 构建df1
df1 = pd.DataFrame({
    'name': ['cxa', 'cxb', 'cxc', 'cxd'],
    'cust_id': ['c1001', 'c1002', 'c1003', 'c1004'],
    'town_id': ['t001', 't001', 't001', 't002']
}, index=[1,2,3,4])

# 构建df2
df2 = pd.DataFrame({
    'name': ['cxa', 'cxb', 'cxd', 'cxe', 'cxf'],
    'cust_id': ['c1001', 'c1002', 'c1004', 'c1005', 'c1006'],
    'town_id': ['t002', 't001', 't001', 't001', 't001']
}, index=[1,2,3,4,5])

2. 合并并筛选变更记录 #

# 按cust_id合并两个DataFrame，用后缀区分来源
merged_df = pd.merge(df1, df2, on='cust_id', suffixes=('_initial', '_latter'))

# 筛选town_id发生变化的行
changed_records = merged_df[merged_df['town_id_initial'] != merged_df['town_id_latter']]

# 整理成期望的输出格式：保留name（取df1的即可，示例中两边name一致）、cust_id、初始和后续town_id
result_df = changed_records[['name_initial', 'cust_id', 'town_id_initial', 'town_id_latter']].rename(columns={'name_initial': 'name'})

# 重置索引（可选，让输出和示例格式更匹配）
result_df = result_df.reset_index(drop=True)
result_df.index += 1  # 让索引从1开始，和示例一致

print(result_df)

输出结果 #

name cust_id town_id_initial town_id_latter
1   cxa   c1001            t001           t002
2   cxd   c1004            t002           t001

说明 #

• 用pd.merge的suffixes参数可以自动给来自不同DataFrame的同名列加上后缀，避免列名冲突
• 布尔索引merged_df['town_id_initial'] != merged_df['town_id_latter']直接筛选出town_id变更的记录
• 如果df1和df2中同一cust_id的name不一致，可根据需求选择保留哪一方的name，或者都保留

内容的提问来源于stack exchange，提问作者Alhpa Delta