对比长度不同的两个DataFrame报相同标签Series错误如何解决

1. 代码中出现的df3为笔误，实际应为df2
2. 直接使用df1["ID"] == df2["ID"]做行级对等对比，要求两个Series的长度、索引完全一致。首次运行时两个DataFrame行数相同未触发问题，后续运行df1长度发生变化，就会抛出标签不匹配的报错，该报错和你推测的行数不一致原因完全吻合。

使用isin()方法做ID的存在性判断，该方法不需要两个数据集的长度、索引对齐，可完全避免上述报错，同时逻辑更贴合需求：

import pandas as pd

boxes1 = {'ID': ['1','2','3','4','5','6','7','8'],
         'Shape': ['Rectangle','Rectangle','Square','Rectangle','Square','Square','Square','Rectangle']
        }

boxes2 = {'ID': ['9','10','1','4','5','14','7','8'],
         'Shape': ['Rectangle','Rectangle','Square','Rectangle','Square','Square','Square','Rectangle']
        }

df1 = pd.DataFrame(boxes1, columns= ['ID','Shape'])
df2 = pd.DataFrame(boxes2, columns= ['ID','Shape'])

# 初始化count列，重复运行时不会重置已有计数
if 'count' not in df1.columns:
    df1['count'] = 0
# 新增行默认count为1，符合ID在df2中出现一次的逻辑，可按需调整
df2['count'] = 1

# 给df1中在df2存在的ID对应count加1
df1.loc[df1['ID'].isin(df2['ID']), 'count'] += 1

# 筛选df2中独有的ID行追加到df1，避免全局去重覆盖已有数据
new_rows = df2[~df2['ID'].isin(df1['ID'])]
df1 = pd.concat([df1, new_rows], ignore_index=True)

• 不依赖两个DataFrame的长度、索引，重复运行不会报错
• 提前筛选新增行再追加，比全局concat后去重性能更高，也不会覆盖原有行的count计数
• 初始化count时做了列存在性判断，重复运行不会重置已累计的计数

内容的提问来源于stack exchange，提问作者Crocs123