为何Pandas的compare方法对比两个DataFrame时未正常工作？

以下是几种常见的排查方向：

• 数据类型不匹配：两个DataFrame的同名字段数据类型不一致，比如一个是int64、另一个是float64，或者一个是str、另一个是category。即使数值/内容肉眼看起来完全一致，compare会严格按类型+值的组合判定，类型不同但值等效的情况不会被标记为差异。可以通过df1.dtypes和df2.dtypes输出对比验证。

• 字符串字段含不可见字符：字符串类型的字段中存在空格、换行符、制表符或其他Unicode不可见字符（比如全角空格），肉眼无法区分，但实际属于不同的字符串内容。可以用df1['列名'].str.strip()和df2['列名'].str.strip()后再对比，或者直接输出字符串的长度来排查。

• 列名/索引存在细微差异：

  • 列名大小写不一致（如"UserID"和"userid"）、或带有隐藏空格，导致compare无法匹配对应列，自然检测不到差异；
  • 索引值类型不同（如一个是整数123、另一个是字符串"123"），或索引带有不可见字符，即使排序后看起来一致，实际对齐时会匹配失败。可以用df1.columns.equals(df2.columns)和df1.index.equals(df2.index)快速验证列和索引是否完全一致。

• 浮点数精度误差：如果是浮点型字段，可能存在二进制存储导致的细微精度差异（比如0.1在计算后变成0.1000000000001），肉眼无法察觉，但compare默认会精确匹配。可以尝试设置rtol和atol参数放宽精度要求，比如df1.compare(df2, rtol=1e-9)，或者将浮点字段转换为定点小数后再对比。

• compare默认参数限制：compare默认只返回存在差异的行和列（keep_shape=False），如果结果为空，可能让你误以为没有差异，但实际可以通过keep_shape=True参数强制显示所有行，无差异的位置会标记为NaN，方便确认是否真的没有差异：

  df1.compare(df2, keep_shape=True)
  

• 重复索引导致对齐错误：如果DataFrame存在重复的索引值，compare在按索引对齐时可能出现匹配混乱，导致实际存在的差异被掩盖。可以用df1.index.is_unique和df2.index.is_unique检查索引是否唯一。

• 数据被意外修改：在创建两个DataFrame后到执行compare前，其中一个数据集被意外修改（比如误操作执行了赋值、过滤等操作），导致二者实际已无差异，和你手动核查的原始版本不一致。建议重新加载两份原始数据后再执行对比。

内容的提问来源于stack exchange，提问作者user3486773