如何对比pandas DataFrame的数值与顺序，并判断其中一个是否为另一个的子集

校验逻辑说明 #

你需要的三重校验规则可以拆解为以下3个必满足条件：

• 子DataFrame的所有列名均存在于父DataFrame中
• 子DataFrame的所有单元格数值，与父DataFrame中对应匹配段的数值完全一致
• 子DataFrame的行排列顺序，与父DataFrame中匹配段的行顺序完全相同，不允许乱序匹配

实现代码 #

方案1：时间索引场景（推荐，适配时间序列特性） #

时间序列默认以时间戳为索引，天然携带顺序属性，该方案校验效率更高，同时覆盖索引顺序、数值、存在性校验：

import pandas as pd

def is_timeseries_subset(df_sub: pd.DataFrame, df_parent: pd.DataFrame) -> bool:
    # 校验列是否全部存在
    if not set(df_sub.columns).issubset(set(df_parent.columns)):
        return False
    # 校验子表时间索引全部存在于父表
    if not set(df_sub.index).issubset(set(df_parent.index)):
        return False
    # 按子表索引顺序取父表对应数据，逐值对比
    parent_slice = df_parent.loc[df_sub.index, df_sub.columns]
    return df_sub.equals(parent_slice)

方案2：无时间索引通用场景 #

如果未使用时间作为索引，仅需要校验行顺序与数值匹配，可使用滚动窗口逐段匹配：

def is_ordered_row_subset(df_sub: pd.DataFrame, df_parent: pd.DataFrame) -> bool:
    sub_len = len(df_sub)
    parent_len = len(df_parent)
    # 子表长度大于父表直接返回否
    if sub_len > parent_len:
        return False
    # 校验列是否全部存在
    if not set(df_sub.columns).issubset(set(df_parent.columns)):
        return False
    # 提取公共列做对比
    parent_common = df_parent[df_sub.columns]
    # 滚动窗口匹配所有连续子段
    for start_idx in range(parent_len - sub_len + 1):
        if parent_common.iloc[start_idx:start_idx+sub_len].equals(df_sub):
            return True
    return False

附加技巧 #

如果校验不通过需要定位差异位置，可使用df_sub.compare(parent_slice)直接输出不匹配的单元格位置与两边的数值。

内容的提问来源于stack exchange，提问作者haeny