如何使用pandas获取两个数据表之间的差异数据？

针对两个行数有差异、列结构相近的DataFrame，优先用主键/全字段匹配合并的方式找差异，不要靠行号切片，避免排序不一致导致结果错误，具体操作如下：

• 前置处理：先提取两个表的公共列作为匹配依据，如果有能唯一标识一行的主键（比如订单ID、用户ID），直接用主键当匹配键效率最高；没有唯一主键的话，用全部公共列做组合匹配即可。
• 核心实现用merge的来源标记功能，几十万行数据量下性能足够，不会卡顿：

import pandas as pd

# 约定 df_a 为693407行的表，df_b 为829768行的表
# 提取两表公共列，避免列名/列数不一致引发报错
common_columns = list(set(df_a.columns) & set(df_b.columns))

# 外连接合并，添加_merge字段标记每行的归属
merge_result = df_a.merge(
    df_b[common_columns],
    on=common_columns,
    how="outer",
    indicator=True
)

# 筛选仅在长表（df_b）中存在的行，就是多出来的136361条差异数据
diff_data = merge_result[merge_result["_merge"] == "right_only"].drop(columns="_merge")

# 若需要找df_a存在、df_b不存在的行，筛选_merge值为left_only即可；两表共有的行标记为both

注意事项：匹配前先确认公共列的数据类型一致，比如同一个ID字段一个存成字符串、一个存成整数，会导致同一条数据被误判为差异；如果字段里有空值NaN，该方法可以正常识别匹配，不需要额外填充处理。

• 特殊场景简化方案：如果能100%确认两个表的行排序逻辑完全一致，只是存在部分行新增/缺失，也可以用去重法快速取差，但通用场景不推荐，一旦行序错乱结果完全不可用：

# 仅适合行序严格对齐的场景
diff_data = pd.concat([df_b, df_a, df_a]).drop_duplicates(keep=False)

内容的提问来源于stack exchange，提问作者condexter