忽略文本前编号，比较Pandas DataFrame列内容

你当前的代码直接对比完整字符串，导致编号不同但后续文本一致的行被误判为差异。要实现忽略编号仅对比文本部分，核心是先提取编号后的纯文本，再进行比较。

修改后的代码方案 #

import pandas as pd
import numpy as np

if __name__ == "__main__":
    data1 = pd.DataFrame({
        "ID": [1, 2, 3, 4],
        "Text": ['1-1 Text here1', '1-2 Text here2', '1-3 Text here3', '1-4 Text here4']})

    data2 = pd.DataFrame({
        "ID": [1, 2, 3, 4],
        "Text": ['1-1 Text here1', '1-4 Text here', '1-5 Text here3', '1-6 Text here']})

    df_both = pd.concat([data1.set_index('ID'), data2.set_index('ID')], axis=1, keys=['Data1', 'Data2'])
    df_both = df_both.swaplevel(axis='columns')

    # 提取编号后的纯文本：分割第一个空格后的内容
    def get_clean_text(text_str):
        return text_str.split(' ', 1)[1] if ' ' in text_str else text_str

    for column in df_both.columns.levels[0]:
        # 分别提取两数据源的纯文本
        clean_data1 = df_both[column]['Data1'].apply(get_clean_text)
        clean_data2 = df_both[column]['Data2'].apply(get_clean_text)
        
        # 对比纯文本，找出差异ID
        diff_indices = np.where(clean_data1 != clean_data2)
        print(df_both.index[diff_indices])

运行结果 #

Int64Index([2, 4], dtype='int64', name='ID')

关键说明 #

• 函数get_clean_text通过split(' ', 1)将字符串按第一个空格拆分，直接获取编号后的文本内容，快速剥离X-X 格式的编号前缀。
• 如果编号格式有变化（比如多空格、特殊符号），可以改用正则表达式实现更精准的匹配：

  import re
  def get_clean_text(text_str):
      match_result = re.match(r'^\d+-\d+\s+(.*)', text_str)
      return match_result.group(1) if match_result else text_str
  

  这个正则会严格匹配数字-数字 + 空格开头的前缀，确保只提取后续的文本部分。

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