如何对比两个同索引DataFrame，提取df1<df2的结果至新DataFrame

嘿，这个需求其实挺常见的，用Pandas分分钟就能搞定～我给你两种常用的方案，你可以根据自己的实际需求选：

方案1：保留原DataFrame的结构，仅保留满足df1 < df2的值 #

如果想让新的DataFrame和原数据的行列结构保持一致，不满足条件的位置用NaN填充，直接用where()方法就可以：

import pandas as pd

# 假设df1和df2是已经存在的同索引DataFrame
df_new = df1.where(df1 < df2)

解释：

• df1.where(条件)会遍历每个元素，当满足df1 < df2时保留df1的原值，不满足的替换成NaN
• 最终的df_new和df1、df2拥有完全相同的索引和列名，只保留符合要求的数值

方案2：提取所有满足条件的元素，整理成长格式表格 #

如果想把所有符合df1 < df2的元素单独拎出来，做成包含索引、列名、df1数值、df2数值的清晰表格，可以这么写：

# 第一步：生成布尔掩码，标记哪些位置满足df1 < df2
mask = df1 < df2

# 第二步：提取df1中符合条件的值，转成长格式并重置索引
df_new = df1[mask].stack().reset_index()
# 重命名列名，让表格更直观
df_new.columns = ['索引', '列名', 'df1数值']

# 可选：如果需要同时显示df2中对应的数值，可以加上这一行
df_new['df2数值'] = df2[mask].stack().values

解释：

• mask是一个和原DataFrame同结构的布尔矩阵，True表示对应位置满足df1 < df2
• df1[mask]会把不满足条件的位置设为NaN，stack()把二维表格转成一维的Series（行索引+列名作为多级索引）
• reset_index()把多级索引转成普通列，最后我们可以给列起更易懂的名字，还能追加df2的对应数值

举个小例子验证下：
假设df1和df2是这样的：

df1 = pd.DataFrame({'A': [1, 3, 5], 'B': [2, 4, 6]}, index=['x', 'y', 'z'])
df2 = pd.DataFrame({'A': [2, 2, 6], 'B': [3, 5, 5]}, index=['x', 'y', 'z'])

用方案2得到的df_new就是：

完美符合需求～

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