如何在Pandas中筛选两DataFrame同ID但数值不同的数据？

没问题，我来帮你搞定这个需求！既然两个DataFrame的索引不一致，但都有共同的id列，咱们可以通过按id合并+筛选差异行的方式轻松解决。

步骤1：按id合并两个DataFrame #

首先，我们用pandas.merge()方法，指定以id作为匹配键，并且用inner连接（只保留两个表中都存在的id，刚好符合我们找相同id的需求）。这样就能把两个表中同一个id对应的valueA和valueB放到同一行里。

import pandas as pd

# 按id合并两个DataFrame，保留共同id的行
merged_df = pd.merge(df1, df2, on='id', how='inner')

步骤2：筛选数值不同的行 #

合并完成后，我们只需要筛选出valueA和valueB不相等的行，就是你要的目标数据：

# 筛选id相同但数值不同的行
diff_rows = merged_df[merged_df['valueA'] != merged_df['valueB']]

# 打印结果看看
print(diff_rows)

针对你提供的示例数据，运行后会得到这样的结果： #

id  valueA  valueB
0  255    1141    1231
1   91    1130    1170
2  347     830     870
5  159     715     734

额外小技巧：保留原表索引 #

如果你需要对应回原来两个DataFrame的索引，可以在合并时加上left_index=True和right_index=True，这样结果里会包含原表的索引列（默认命名为index_x和index_y）：

merged_df_with_index = pd.merge(df1, df2, on='id', how='inner', left_index=True, right_index=True)
diff_rows_with_index = merged_df_with_index[merged_df_with_index['valueA'] != merged_df_with_index['valueB']]

这样你就能清楚看到这些差异行在原df1和df2中的位置啦！

内容的提问来源于stack exchange，提问作者id101112