如何对比两个DataFrame的value_counts结果，找出df2中出现次数更多的公司？

针对你遇到的「公司名是索引无法合并对比」的问题，直接用以下两种方法就能解决，还能快速找出df2中出现次数多于df1的公司：

方法一：重置索引后合并（直观易懂） #

先把两个Series的索引（公司名）转成普通列，再合并计算：

import pandas as pd

# 给两个计数结果命名，重置索引把公司名转成列
first = df1['company'].value_counts().rename('df1_count').reset_index().rename(columns={'index': 'company'})
second = df2['company'].value_counts().rename('df2_count').reset_index().rename(columns={'index': 'company'})

# 外连接合并所有公司，缺失的计数填0
comparison = pd.merge(first, second, on='company', how='outer').fillna(0)

# 计算次数差值，筛选df2次数更多的公司
comparison['count_diff'] = comparison['df2_count'] - comparison['df1_count']
target_companies = comparison[comparison['df2_count'] > comparison['df1_count']]

# 查看结果
print(target_companies)

方法二：利用Series索引对齐（简洁高效） #

Series会自动按索引对齐，直接做运算就能快速对比：

import pandas as pd

# 直接计算两个Series的差值，缺失值对应一方没有该公司的情况
count_diff = second - first

# 补全缺失值：df1中没有的公司，差值等于df2的计数
count_diff = count_diff.fillna(second)

# 筛选df2次数多于df1的公司（差值>0）
target_companies = count_diff[count_diff > 0]

# 如果需要同时查看两个计数，合并成DataFrame即可
comparison_df = pd.concat([first, second], axis=1, keys=['df1_count', 'df2_count']).fillna(0)
comparison_df['count_diff'] = comparison_df['df2_count'] - comparison_df['df1_count']
target_companies_full = comparison_df[comparison_df['count_diff'] > 0]

print(target_companies_full)

之前用.to_frame('counts')没解决问题，是因为只转成了DataFrame但没把索引转成列，加上.reset_index()就能把公司名从索引移到普通列里，后续合并就没问题了。

内容的提问来源于stack exchange，提问作者ArieAI