Pandas识别两表Order ID+Product ID差集及TypeError报错解决

• Data1 样例：
  
• Data2 样例：
  

两个数据集均以 Order ID + Product ID 组合作为主键，单个数据集内不存在该主键组合重复的记录。

• 问题1：识别存在于Data1、但缺失于Data2的主键组合对应记录
• 问题2：识别缺失于Data1、但存在于Data2的主键组合对应记录

原代码抛出TypeError: unsupported operand type(s) for -: 'str' and 'int'的核心原因：

1. 逻辑选型错误：subtract是针对数值字段做减法运算的方法，而两个DataFrame中存在大量字符串类型的业务字段，根本不支持和fill_value指定的数值0做减法运算，完全不匹配「匹配主键找差集」的需求。
2. 主键拼接存在类型隐患：直接用+连接两个字段时，如果Order ID和Product ID字段类型不统一（比如一个是字符串、一个是整数），本身就会触发类型运算错误。

不需要强行做数值运算，pandas提供了专门的表关联方法可以快速识别差集，以下给出两种常用实现：

方法1：merge关联法（推荐，无需手动拼接主键，无类型冲突风险） #

利用merge的indicator参数可以直接标记每条记录的来源表，筛选效率高，也不会出现主键拼接错误的问题。

求解问题1（Data1独有记录） #

# 仅取df2的主键列做匹配，降低内存开销
match_df = df1.merge(
    df2[["Order ID", "Product ID"]],
    on=["Order ID", "Product ID"],
    how="left",
    indicator=True
)
# 筛选仅在左表（df1）存在的记录，去掉标记列后即为结果
res1 = match_df[match_df["_merge"] == "left_only"].drop(columns="_merge")

求解问题2（Data2独有记录） #

match_df = df2.merge(
    df1[["Order ID", "Product ID"]],
    on=["Order ID", "Product ID"],
    how="left",
    indicator=True
)
res2 = match_df[match_df["_merge"] == "left_only"].drop(columns="_merge")

方法2：主键拼接+isin筛选 #

如果习惯用拼接主键的方式，注意先统一字段类型为字符串，且增加分隔符避免主键碰撞：

# 拼接主键：统一转字符串，中间加下划线做分隔，避免不同字段值拼接后重复
df1["Record"] = df1["Order ID"].astype(str) + "_" + df1["Product ID"].astype(str)
df2["Record"] = df2["Order ID"].astype(str) + "_" + df2["Product ID"].astype(str)

# 问题1结果：df1里主键不在df2中的记录
res1 = df1[~df1["Record"].isin(df2["Record"])]
# 问题2结果：df2里主键不在df1中的记录
res2 = df2[~df2["Record"].isin(df1["Record"])]

注意：拼接主键时必须加分隔符，否则会出现逻辑错误：比如Order ID=12, Product ID=34和Order ID=1, Product ID=234直接拼接都会得到1234，导致主键匹配完全错误。

内容的提问来源于stack exchange，提问作者user18585713