对比列名相同的两个DataFrame时触发ValueError错误

首先，咱们先搞清楚你遇到的错误原因：你写的df.loc[df['Permit Number'] != df1['Permit Number']]是在尝试逐行对比两个Permit Number列，但Pandas要求对比的两个Series必须有完全一致的索引（标签）和长度，否则就会抛出ValueError: Can only compare identically-labeled Series object。显然你的df和df1的Permit Number列内容、索引都不匹配，这种逐行对比的方式根本不符合你的需求。

你的核心需求是删除df中所有Permit Number值在df1里出现过的行，正确的做法应该是先提取df1中所有的Permit Number值，然后用isin()方法筛选df中不在这个集合里的行，这才是高效且符合逻辑的方式。

完整的正确代码示例 #

首先先重现你的示例数据（方便测试）：

import pandas as pd
import numpy as np

# 构建你的df
df = pd.DataFrame({
    'Permit Number': ['BLD-00045', 'ELE-2019', 'PLM-2018'],
    'Sub Permit': [np.nan, 'BLD-00045', 'BLD-00045']
})

# 构建你的df1（不管你是合并得到还是其他方式，只要结构正确就行）
df1 = pd.DataFrame({
    'Permit Number': ['BLD-00001', 'ELE-2019', 'PLM-7777'],
    'Sub Permit': [np.nan, 'BLD-00045', 'BLD-00045']
})

然后执行过滤操作：

# 筛选出df中Permit Number不在df1中的行
filtered_df = df[~df['Permit Number'].isin(df1['Permit Number'])]
print(filtered_df)

运行后你会得到想要的结果：

Permit Number Sub Permit
0      BLD-00045        NaN
2       PLM-2018  BLD-00045

为什么你的原代码不行？ #

• 你用set_index('Permit Number', inplace=False)的时候，并没有修改原df和df1，因为inplace=False会返回一个新的DataFrame，原对象保持不变，所以这两行代码相当于白写了。
• 就算你真的把索引改成了Permit Number，直接对比df['Permit Number'] != df1['Permit Number']也没有意义，因为两个DataFrame的索引值（Permit Number）并不完全重合，Pandas无法对应逐行对比。
• 而isin()方法是检查每个元素是否存在于目标集合中，不需要索引匹配，完全贴合你的需求：找出所有不在df1的Permit Number里的行。

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