Pandas中df.equals()返回False但df.compare()仅返回空索引列Id，该如何判断？

这种情况说明两个DataFrame的实际数据值完全匹配，但存在元数据或结构层面的差异，导致df1.equals(df2)返回False，而df1.compare(df2)因只对比值的差异，所以返回空结果。

具体可能的差异点及验证方法：

• 列数据类型不一致：哪怕数值完全相同，不同的数据类型（如int64 vs float64，object vs string）会让equals()判定不相等，但compare()只校验值是否一致。
  验证：执行df1.dtypes和df2.dtypes对比输出。

• 列的顺序不同：equals()要求列的顺序完全一致才会返回True，而compare()会按列名自动对齐后对比值。如果两DataFrame列名相同但顺序不同，值一致时就会出现这种情况。
  验证：执行df1.columns.tolist()和df2.columns.tolist()查看列顺序。

• 索引/列的元数据差异：比如索引的名称存在大小写差异（如Id vs id）、索引的数据类型不同，或者列的名称有不可见字符（如空格），这些都会触发equals()的不相等判定，但compare()仍能正常按索引/列名匹配对比值。
  验证：执行df1.index.name/df2.index.name、df1.index.dtype/df2.index.dtype对比。

• 缺失值的表示类型不同：比如一个DataFrame用np.nan表示缺失，另一个用pd.NA，equals()会区分这两种缺失值，但compare()在默认配置下会将它们视为等价的缺失。
  验证：执行np.array_equal(df1.to_numpy(), df2.to_numpy(), equal_nan=True)，如果返回True则说明值层面完全一致。

• 自定义元数据（attrs）不同：如果给DataFrame添加了自定义attrs属性，equals()会校验这些属性是否一致，而compare()不会涉及这部分校验。
  验证：执行print(df1.attrs)和print(df2.attrs)对比。

内容的提问来源于stack exchange，提问作者Moneet