对比两个DataFrame并筛选dfA中与dfB匹配/不匹配的行（含索引）

嘿，我完全get到你的需求了——就是要把dfA里的每一行，不管列的顺序如何，只要整行的所有元素（作为一个整体）能在dfB里找到对应的行，就把它（带着dfA的索引）放到匹配列表；剩下那些在dfB里找不到的，就放到不匹配列表对吧？

咱们用Python的pandas来实现这个逻辑特别方便，思路是这样的：因为列顺序不影响匹配，所以我们可以把每一行的元素排序后转成元组，这样不管列怎么打乱，相同元素的行都会变成一模一样的元组，然后就可以快速对比了。

下面是具体的代码实现，我直接用你给的示例数据来演示：

import pandas as pd

# 构造你给出的示例dfA
data_a = {
    'Column 1': ['Albuquerque', 'New York', 'Miami'],
    'Column 2': ['NM', 'NY', 'FL'],
    'Column 3': ['87101', '10009', '33101']
}
dfA = pd.DataFrame(data_a)

# 构造你给出的示例dfB
data_b = {
    'Column 1': ['NM', 'Atlanta', 'San Francisco', '10009'],
    'Column 2': ['Albuquerque', 'GA', 'CA', 'NY'],
    'Column 3': ['87101', '30033', '94016', 'New York']
}
dfB = pd.DataFrame(data_b)

# 先把dfB的所有行转换成排序后的元组，存成集合（集合的查找速度超快，数据量大的时候特别有用）
dfB_matched_rows = set(tuple(sorted(row)) for _, row in dfB.iterrows())

# 初始化两个空列表，分别存匹配和不匹配的结果
matched_list = []
not_matched_list = []

# 遍历dfA的每一行，同时保留它的索引
for idx, row in dfA.iterrows():
    # 把当前行也转换成排序后的元组
    current_row_tuple = tuple(sorted(row))
    # 检查是否在dfB的匹配集合里
    if current_row_tuple in dfB_matched_rows:
        matched_list.append(f"Index {idx}: {row.tolist()}")
    else:
        not_matched_list.append(f"Index {idx}: {row.tolist()}")

# 输出结果
print("✅ dfA中与dfB匹配的行：")
for item in matched_list:
    print(item)

print("\n❌ dfA中与dfB不匹配的行：")
for item in not_matched_list:
    print(item)

运行这段代码后，你会得到这样的结果：

✅ dfA中与dfB匹配的行：
Index 0: ['Albuquerque', 'NM', '87101']
Index 1: ['New York', 'NY', '10009']

❌ dfA中与dfB不匹配的行：
Index 2: ['Miami', 'FL', '33101']

小说明： #

• 为什么用排序后的元组而不是集合？因为如果你的行里有重复元素（比如某一行有两个相同的值），用集合会自动去重，导致判断错误；而排序后的元组会保留所有元素的数量和顺序（排序后的统一顺序），能准确判断两行的元素是否完全一致。
• 把dfB的行存成集合是为了提高查找效率，尤其是当你的DataFrame有上万行的时候，集合的查找速度比逐行对比快太多了。

备注：内容来源于stack exchange，提问作者