如何用Pandas检查一个DataFrame是否被另一个包含（含标签不匹配场景）

要实现忽略索引/列名、仅判断df2内容是否为df1中连续子矩阵的需求，可通过以下方式实现：

核心思路 #

1. 脱离Pandas的标签约束，将两个DataFrame转为NumPy数组，专注数值内容对比
2. 遍历df1中所有与df2形状一致的连续子区域，逐一对比是否完全匹配
3. 找到任意匹配子块则返回True，否则返回False

代码实现 #

import pandas as pd
import numpy as np

def is_continuous_submatrix(df1, df2):
    # 转换为numpy数组，剥离标签信息
    arr1 = df1.to_numpy()
    arr2 = df2.to_numpy()
    
    rows1, cols1 = arr1.shape
    rows2, cols2 = arr2.shape
    
    # 若df2尺寸超过df1，直接返回False
    if rows2 > rows1 or cols2 > cols1:
        return False
    
    # 遍历所有可能的起始位置
    for i in range(rows1 - rows2 + 1):
        for j in range(cols1 - cols2 + 1):
            # 截取df1对应区域的子矩阵
            sub_arr = arr1[i:i+rows2, j:j+cols2]
            # 对比内容是否完全一致
            if np.array_equal(sub_arr, arr2):
                return True
    return False

# 测试示例
if __name__ == "__main__":
    # 构造4行5列的df1
    df1 = pd.DataFrame([
        [1,2,3,4,5],
        [6,7,8,9,10],
        [11,12,13,14,15],
        [16,17,18,19,20]
    ])
    # 构造df2：取自df1的连续子矩阵
    df2 = pd.DataFrame([[8,9],[13,14]])
    
    print(is_continuous_submatrix(df1, df2))  # 输出: True

补充说明 #

• 若需处理浮点数对比，建议用np.allclose(sub_arr, arr2)替代np.array_equal，避免精度误差导致误判
• 该方法完全不依赖索引和列名，仅关注数值内容的连续性匹配

内容的提问来源于stack exchange，提问作者Sam