如何校验DataFrame的所有行均完整包含在另一个同列DataFrame中

已知前提：两个DataFrame列结构完全一致，且A+B两列的组合为全局唯一值，无重复行，可按以下两种方案实现校验：

方法1：基于唯一主键校验（效率更高，适配本题场景） #

不需要比对全列内容，仅通过唯一主键的包含关系即可完成校验，执行效率更高：

import pandas as pd

# 将A、B列拼接为唯一键，转字符串避免数值类型差异导致的匹配错误
a_unique_keys = set(dfA['A'].astype(str) + "_" + dfA['B'].astype(str))
b_unique_keys = set(dfB['A'].astype(str) + "_" + dfB['B'].astype(str))

# 校验A的所有主键是否都属于B的主键集合
all_exist = a_unique_keys.issubset(b_unique_keys)
print(all_exist)
# 输出True即代表dfA的所有行都完整包含在dfB中

方法2：全字段匹配（通用场景，无已知主键也可使用） #

如果没有提前确认唯一主键，也可以通过全字段匹配实现校验，适合所有结构相同的DataFrame包含关系校验：

# 方案2.1 利用merge的关联标记校验
merge_df = pd.merge(dfA, dfB, how='left', on=dfA.columns.tolist(), indicator=True)
all_exist = (merge_df['_merge'] == 'both').all()

# 方案2.2 利用行元组的包含关系校验
a_rows = set(dfA.apply(tuple, axis=1))
b_rows = set(dfB.apply(tuple, axis=1))
all_exist = a_rows.issubset(b_rows)

小提示：本题10行、100行的小数据量级下三种实现的性能差异可忽略，数据量上万后方法1的性能优势会更明显

内容的提问来源于stack exchange，提问作者caasswa