如何在Python中生成显示两个DataFrame行级数值差异的新DataFrame？

假设你的两个DataFrame分别叫df_old（旧数据集）和df_new（新数据集），要对比的列是Quantity、Price、Local Value、Local Exposure，下面分两种场景给你具体操作：

场景1：两行数据完全对齐（索引/行顺序一致） #

如果两个DataFrame的每一行是一一对应的（比如按相同顺序排列，或者索引完全匹配），直接对指定列做减法就行，步骤如下：

import pandas as pd

# 定义需要对比的列名
cols_to_compare = ['Quantity', 'Price', 'Local Value', 'Local Exposure']

# 计算新数据减旧数据的差异（想算旧减新就反过来）
df_diff = df_new[cols_to_compare] - df_old[cols_to_compare]

# 给列名加上后缀，明确是差异值
df_diff.columns = [f'{col}_diff' for col in cols_to_compare]

运行后df_diff就是只包含各列数值差异的新DataFrame，正数代表新数据比旧数据大，负数则相反。

场景2：行顺序不一致，但有共同标识列 #

如果两个DataFrame的行排序不一样，但有共同的唯一标识列（比如商品ID、名称这类），就得先合并再计算差异：

import pandas as pd

# 假设共同的标识列是'Product ID'（换成你实际的列名）
merge_key = 'Product ID'
cols_to_compare = ['Quantity', 'Price', 'Local Value', 'Local Exposure']

# 合并两个数据集，只保留标识列和需要对比的列
merged_df = pd.merge(
    df_old[[merge_key] + cols_to_compare],
    df_new[[merge_key] + cols_to_compare],
    on=merge_key,
    suffixes=('_old', '_new')  # 给新旧数据的列加后缀区分
)

# 逐个计算每列的差异
for col in cols_to_compare:
    merged_df[f'{col}_diff'] = merged_df[f'{col}_new'] - merged_df[f'{col}_old']

# 提取标识列和所有差异列，得到最终的差异DataFrame
df_diff = merged_df[[merge_key] + [f'{col}_diff' for col in cols_to_compare]]

额外提醒 #

• 如果某个行只在其中一个DataFrame里存在，合并时可以把how='outer'加到pd.merge()参数里，这样会保留所有行，差异列会显示NaN，需要的话可以用df_diff.fillna(0)把缺失值换成0。
• 确保要对比的列都是数值类型，如果是字符串格式的数字，得先转成数值（比如用pd.to_numeric()）。

内容的提问来源于stack exchange，提问作者user21476558