如何判断两个Pandas DataFrame的列（含类型）是否一致（列序无关）

要实现列名集合完全一致、对应列数据类型完全匹配（列顺序不影响结果）的比较，最优方式是利用Pandas的dtypes属性结合排序后进行相等性校验，具体如下：

核心实现代码 #

import pandas as pd

# 测试数据
df_1 = pd.DataFrame({'a': [1, 2, 3], 'b': [4, 5, 6]})
df_2 = pd.DataFrame({'b': [14,15], 'a': ['12','14']})  # a列类型不匹配
df_3 = pd.DataFrame({'b': [7, 8], 'a': [9, 10]})       # 列名和类型都匹配

# 提取数据类型并按列名排序后比较
result_1_2 = df_1.dtypes.sort_index().equals(df_2.dtypes.sort_index())
result_1_3 = df_1.dtypes.sort_index().equals(df_3.dtypes.sort_index())

print(result_1_2)  # 输出：False（a列类型不同）
print(result_1_3)  # 输出：True（完全匹配）

原理说明 #

1. df.dtypes：返回一个Series对象，索引为列名，值为对应列的数据类型，天然关联列名与类型的映射关系。
2. sort_index()：按列名字典序排序，消除两个DataFrame列顺序不同的影响。
3. equals()：严格比较两个Series的索引（列名）和对应值（数据类型），只有当两者完全一致时才返回True。

备选自定义方法（适合需要排查差异的场景） #

如果需要明确知道哪些列不匹配，可以用自定义函数逐个校验：

def check_df_columns_match(df_a, df_b):
    # 先校验列名集合是否一致
    if set(df_a.columns) != set(df_b.columns):
        print("列名集合不匹配")
        return False
    # 逐个列校验数据类型
    for col in df_a.columns:
        if df_a[col].dtype != df_b[col].dtype:
            print(f"列 {col} 数据类型不匹配：{df_a[col].dtype} vs {df_b[col].dtype}")
            return False
    return True

check_df_columns_match(df_1, df_2)
# 输出：列 a 数据类型不匹配：int64 vs object

为什么你的原始代码不准确？ #

你之前的代码仅比较了排序后的列名，没有关联对应列的数据类型，所以即使列类型不同也会返回True，而上面的方法同时校验了列名和类型，结果更准确。

内容的提问来源于stack exchange，提问作者P V