如何在Pandas中找出两个不同索引DataFrame的完全相同列

解决方案 #

要筛选出两个索引不同的DataFrame中，列名共存且对应行位置（忽略索引）数值完全一致的列，可以按以下步骤实现：

1. 提取两个DataFrame的共同列名（列名交集）
2. 对每个共同列，重置索引后比较列的数值序列是否完全匹配
3. 收集所有符合条件的列名

完整代码示例 #

import pandas as pd

# 创建示例DataFrame
data1 = {"col1": ["A", "B", "C", "D"], "col2": ["E", "F", "G", "H"], "col3": ["Z", "Z", "Z", "Z"], "col4": ["Q", "Q", "Q", "Q"]}
df1 = pd.DataFrame(index=[0,1,2,3], data=data1)
data2 = {"col1": ["A", "B", "C", "D"], "col2": ["E", "F", "G", "H"], "col3": ["Z", "Z", "Z", "X"]}
df2 = pd.DataFrame(index=[4,5,6,7], data=data2)

# 获取共同列名
common_cols = df1.columns.intersection(df2.columns)

# 筛选对应位置值完全一致的列
matching_cols = [
    col for col in common_cols 
    if df1[col].reset_index(drop=True).equals(df2[col].reset_index(drop=True))
]

print(matching_cols)  # 输出: ['col1', 'col2']

关键说明 #

• df.columns.intersection()：快速获取两个DataFrame都包含的列名，避免处理不存在的列
• reset_index(drop=True)：重置列的索引为默认连续整数，消除原索引不同带来的影响，确保行位置一一对应
• Series.equals()：判断两个列的所有数值是否完全相等，返回布尔值用于筛选

内容的提问来源于stack exchange，提问作者Luis_12345