如何对比两个DataFrame中Area变量的唯一值差异？

嗨，这个需求太常见了，我平时处理这类数据对齐问题常用下面几个方法，用pandas就能轻松搞定：

方法1：用集合求差集（最直观快速） #

集合操作是找差异的利器，直接把两个Area的唯一值转成集合，然后求差集就能得到两边独有的值：

# 提取两个DataFrame的Area唯一值并转成集合
area_set_a = set(a['Area'].unique())
area_set_b = set(b['Area'].unique())

# 计算仅在a中存在的Area
only_in_a = area_set_a - area_set_b
# 计算仅在b中存在的Area
only_in_b = area_set_b - area_set_a

print("仅在DataFrame a中出现的Area：", only_in_a)
print("仅在DataFrame b中出现的Area：", only_in_b)

方法2：用isin()筛选（可查看对应行数据） #

如果你不仅想知道差异值，还想看看这些值对应的完整行数据（比如对应的regions信息），用isin()方法更合适：

# 筛选a中Area不在b里的所有行
a_rows_missing_in_b = a[~a['Area'].isin(b['Area'].unique())]
# 提取这些行的唯一Area值
only_in_a = a_rows_missing_in_b['Area'].unique()

# 同理筛选b中Area不在a里的行
b_rows_missing_in_a = b[~b['Area'].isin(a['Area'].unique())]
only_in_b = b_rows_missing_in_a['Area'].unique()

# 要是想查看具体数据，直接打印筛选后的DataFrame就行
print("a中独有的Area对应的行数据：\n", a_rows_missing_in_b)

方法3：用外连接merge（可视化差异来源） #

用pandas的外连接可以生成一个标记了来源的表格，清晰看到每个Area属于哪边：

# 先提取两个DataFrame的唯一Area列
unique_a = a[['Area']].drop_duplicates()
unique_b = b[['Area']].drop_duplicates()

# 外连接并添加来源标记
merged_df = pd.merge(unique_a, unique_b, on='Area', how='outer', indicator=True)

# 筛选仅在a或仅在b中的Area
only_in_a = merged_df[merged_df['_merge'] == 'left_only']['Area'].tolist()
only_in_b = merged_df[merged_df['_merge'] == 'right_only']['Area'].tolist()

# 查看完整的差异表格
print("Area差异详情：\n", merged_df)

额外提醒：处理格式差异 #

有时候看起来相同的Area可能因为大小写、前后空格导致被误判为差异，建议先做清洗：

# 统一去除前后空格并转成小写（根据实际情况调整）
a['Area'] = a['Area'].str.strip().str.lower()
b['Area'] = b['Area'].str.strip().str.lower()

处理完再用上面的方法，就能避免这类假差异啦～

内容的提问来源于stack exchange，提问作者willyg