如何用Pandas实现类SQL全外连接以检查DataFrame记录存在性

我有如下两个数据表：

表T1

表T2

在SQL中，我会执行以下查询来检查每条记录的存在性：

select 
COALESCE(T1.ColumnA,T2.ColumnA) as ColumnA
,T1.ColumnB as ExistT1
,T2.ColumnB as ExistT2
from T1
full join T2 on 
   T1.ColumnA=T2.ColumnA
   and T1.ColumnB=T2.ColumnB
where 
 (T1.ColumnA is null or T2.ColumnA is null)

我已尝试使用Pandas的concat、join、merge等方法，但似乎两个合并键会被合并在一起。我认为问题在于我要检查的不是“数据列”而是“键列”。请问在Python中有什么好的实现方法？谢谢！

期望得到如下结果：

你可以用Pandas的merge方法实现全连接，再筛选差异记录并整理结果，完全对应SQL逻辑：

import pandas as pd

# 构造示例数据
t1 = pd.DataFrame({
    'ColumnA': ['A', 'A', 'B', 'C'],
    'ColumnB': [1, 3, 1, 2]
})

t2 = pd.DataFrame({
    'ColumnA': ['A', 'A', 'B', 'D'],
    'ColumnB': [1, 4, 1, 2]
})

# 全连接，以两个列为连接键，添加后缀区分同名列
merged = pd.merge(t1, t2, on=['ColumnA', 'ColumnB'], how='outer', suffixes=('_t1', '_t2'))

# 筛选仅在单表存在的记录（对应SQL的where条件）
filtered = merged[(merged['ColumnA_t1'].isna()) | (merged['ColumnA_t2'].isna())]

# 整理结果：用combine_first实现COALESCE效果，重命名列并保留需要的字段
result = filtered.assign(
    ColumnA=filtered['ColumnA_t1'].combine_first(filtered['ColumnA_t2']),
    ExistT1=filtered['ColumnB_t1'],
    ExistT2=filtered['ColumnB_t2']
)[['ColumnA', 'ExistT1', 'ExistT2']]

print(result)

关键步骤说明： #

1. 全连接实现：merge的how='outer'对应SQL的full join，suffixes用来区分两个表的重复列。
2. 差异记录筛选：通过判断任意一个表的连接键为空，筛选出仅在单表存在的记录。
3. 结果整理：combine_first方法等价于SQL的COALESCE，自动取非空值；最后重命名列并提取目标字段。

运行后输出结果（Pandas用NaN表示空值，与SQL的null等价）：

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