对比两个DataFrame列表并输出差异：精度与代码优化问题

1. 浮点数精度问题解决 #

• 确保round操作生效：你之前的banks.round(1)或apply(lambda x:round(x,2))未修改原DataFrame，因为这些方法默认返回新对象，不会原地修改。必须将结果重新赋值：

  # 对整个DataFrame保留2位小数
  df = df.round(2)
  # 或对指定列单独操作
  df['target_col'] = df['target_col'].round(2)
  

• 对比时忽略微小精度差：不要直接用df1 == df2判断相等，改用numpy.isclose设置合理容差，过滤极小数值差异：

  import numpy as np
  # 生成差异掩码，容差可根据需求调整
  diff_mask = ~np.isclose(df1, df2, rtol=1e-8, atol=1e-10)
  # 提取真实差异的位置
  diffs = df1[diff_mask].dropna(how='all').join(df2[diff_mask].dropna(how='all'), lsuffix='_left', rsuffix='_right')
  

  复制到Excel仍显示原值的问题，本质是之前的round操作未真正修改DataFrame，按上述赋值方式处理后，数值会被实际修改，复制到Excel就会显示保留小数后的结果。

2. 简化代码：直接遍历DataFrame列表对比 #

无需将列表中的DataFrame转为全局变量，用zip函数同时遍历两个列表的对应元素即可：

# 假设list1和list2是两个目录读取生成的DataFrame列表
for idx, (df_left, df_right) in enumerate(zip(list1, list2), 1):
    print(f"对比第{idx}组DataFrame")
    # 执行删列、保留小数、索引+1操作
    df_left = df_left.drop(columns=['col_to_drop']).round(2)
    df_left.index = df_left.index + 1
    df_right = df_right.drop(columns=['col_to_drop']).round(2)
    df_right.index = df_right.index + 1
    # 执行差异对比逻辑
    diff_mask = ~np.isclose(df_left, df_right, rtol=1e-8, atol=1e-10)
    diff_result = df_left[diff_mask].dropna(how='all').join(df_right[diff_mask].dropna(how='all'), lsuffix='_left', rsuffix='_right')
    # 输出带行列号的结果
    print(diff_result)

3. 过滤假阳性差异，仅保留真实差异 #

即使指定了dtype='float'，浮点数的二进制存储仍可能产生微小误差，继续用np.isclose的掩码过滤：

# 生成差异掩码
diff_mask = ~np.isclose(df1, df2, rtol=1e-8, atol=1e-10)
# 筛选至少有一个真实差异的行和列
diff_rows = diff_mask.any(axis=1)
diff_cols = diff_mask.any(axis=0)
# 提取仅包含真实差异的DataFrame
true_diff = df1.loc[diff_rows, diff_cols].join(df2.loc[diff_rows, diff_cols], lsuffix='_left', rsuffix='_right')
# 输出结果
print(true_diff)

这样就能排除浮点数精度导致的假阳性差异，仅保留真正不同的(3,2)结果。

内容的提问来源于stack exchange，提问作者WX1505