如何对比两个同结构Pandas DataFrame的列差异？

没问题，我来帮你搞定这个列级差异检查的需求！你之前用的(df1 != df2).any(1)是按行判断是否存在差异，要改成列级检查只需要调整聚合维度就行。

核心思路 #

要获取每个列是否完全相等的单个True/False结果，步骤很清晰：

1. 先用df1 == df2生成一个布尔DataFrame，每个元素对应原DataFrame相同位置的值是否相等；
2. 对这个布尔DataFrame按列聚合，判断该列所有元素是否全为True（即该列完全相等）。

具体实现代码 #

结合你的示例，直接看代码：

import numpy as np
import pandas as pd

df1 = pd.DataFrame(np.random.randint(low=0, high=10, size=(5, 5)), columns=['a', 'b', 'c', 'd', 'e'])
df2 = df1.copy()
df2.at[3,'d'] += 10

# 获取每个列是否完全相等的结果
column_equal = (df1 == df2).all()

# 按你期望的格式输出
for col, is_equal in column_equal.items():
    print(f"{col.upper()} {is_equal}")

运行后会输出你想要的结果：

A True
B True
C True
D False
E True

额外小技巧 #

• .all()默认按列（axis=0）聚合，不用额外指定参数；
• 如果你想直接找出有差异的列，可以用：

  diff_columns = column_equal[column_equal == False].index
  # 等价写法：diff_columns = (df1 != df2).any()[lambda x: x].index
  print("存在差异的列：", diff_columns.tolist())
  

  输出结果：存在差异的列： ['d']

内容的提问来源于stack exchange，提问作者cardamom