基于code列匹配对比两个数据集，提取差异记录

需求说明 #

• 遍历df1的每条code记录，仅处理在df2中存在的code
• 检查count、length、width列数值是否一致，提取不一致的记录生成新数据集

示例数据集 #

df1 #

code      count     length     width
13525      64        5          10
13456      20        10         20
13455      22        10         25
12334      10        2          5
12333      12        5          5
13234      18        8          10

df2 #

code      count     length     width
13525      64        5          10
13456      20        10         22
13455      22        11         25
12334      10        2          5
13234      18        8          10

解决代码（基于Pandas） #

import pandas as pd

# 构造示例数据集
df1 = pd.DataFrame({
    'code': [13525, 13456, 13455, 12334, 12333, 13234],
    'count': [64, 20, 22, 10, 12, 18],
    'length': [5, 10, 10, 2, 5, 8],
    'width': [10, 20, 25, 5, 5, 10]
})

df2 = pd.DataFrame({
    'code': [13525, 13456, 13455, 12334, 13234],
    'count': [64, 20, 22, 10, 18],
    'length': [5, 10, 11, 2, 8],
    'width': [10, 22, 25, 5, 10]
})

# 1. 内连接合并，仅保留两边都存在的code记录
merged_df = pd.merge(df1, df2, on='code', suffixes=('_df1', '_df2'))

# 2. 筛选目标列不一致的记录
diff_mask = (merged_df['count_df1'] != merged_df['count_df2']) | \
            (merged_df['length_df1'] != merged_df['length_df2']) | \
            (merged_df['width_df1'] != merged_df['width_df2'])

# 3. 提取差异记录并整理格式
codes_that_dont_match = merged_df.loc[diff_mask, ['code', 'count_df2', 'length_df2', 'width_df2']]
codes_that_dont_match.columns = ['code', 'count', 'length', 'width']

print(codes_that_dont_match)

输出结果 #

code  count  length  width
1  13456     20      10     22
2  13455     22      11     25

关键步骤说明 #

• 内连接合并自动过滤掉df1中独有的12333，无需额外处理
• 布尔掩码精准定位任意目标列数值不一致的记录
• 最后通过列重命名匹配期望的输出格式

内容的提问来源于stack exchange，提问作者Joe