对比两个DataFrame查找缺失列值，尝试Join&Map未达预期求指导

嘿，我来帮你搞定这个问题！对比两个DataFrame找缺失的列值，其实有几个比join/map更直观的方法，我给你一步步演示：

方法1：用merge结合indicator参数（最清晰） #

这个方法能直接帮你标记出每行数据属于哪个DataFrame，轻松定位缺失的部分。

首先，先创建两个示例DataFrame：

import pandas as pd

df1 = pd.DataFrame({'ID': [1, 2, 3, 4], 'Name': ['Alice', 'Bob', 'Charlie', 'David']})
df2 = pd.DataFrame({'ID': [1, 2, 5], 'Name': ['Alice', 'Bob', 'Eve']})

然后用outer连接，并开启indicator：

merged_df = df1.merge(df2, on=['ID', 'Name'], how='outer', indicator=True)

现在merged_df里会多一列_merge，它的值有三种：

• both：两行数据在两个DataFrame里都存在
• left_only：只在df1里有，df2缺失的
• right_only：只在df2里有，df1缺失的

筛选出缺失的部分：

# 找df2中缺失的df1数据
df1_missing_in_df2 = merged_df[merged_df['_merge'] == 'left_only']
# 找df1中缺失的df2数据
df2_missing_in_df1 = merged_df[merged_df['_merge'] == 'right_only']

打印结果就能看到明确的缺失项啦！

方法2：用isin快速定位单字段缺失 #

如果你只需要对比某一列（比如ID）的缺失值，可以用这个更简洁的方式：

# df1里ID不在df2中的行
df1_missing = df1[~df1['ID'].isin(df2['ID'])]
# df2里ID不在df1中的行
df2_missing = df2[~df2['ID'].isin(df1['ID'])]

这种方式适合只关注单个关键字段缺失的场景，代码更短。

为什么join/map没得到预期结果？ #

大概率是因为join默认是inner连接（只保留共同项），或者map的匹配逻辑没覆盖到所有情况，比如索引不匹配、字段类型不一致（比如ID是字符串和数字）。下次用的时候可以先检查下字段的类型是否一致，或者试试outer连接看看。

内容的提问来源于stack exchange，提问作者Ravikant