Pandas Merge语句无法获取DataFrame差异，请求排查问题

首先，先帮你排查merge语句可能踩的坑，再给你直接能拿到差异日期的方法：

你的Merge可能存在的问题 #

我猜你大概率遇到了以下几个常见问题之一：

• 未指定匹配列：如果两个DataFrame的日期列名不一样（比如一个叫file_date，一个叫sql_date），没在merge里用on/left_on/right_on指定的话，Pandas会把所有列名相同的列拿来匹配，结果肯定不对。
• 用了默认的Inner Join：Pandas merge默认是how='inner'，只会保留两个DataFrame都有的行，这完全和你找差异的需求相反——你需要的是找出某一边独有的行。
• 数据类型不匹配：比如你的日期列一个是整数类型（20171211），另一个是字符串类型（'20171211'），这种情况下Pandas会认为两者不相等，导致本该匹配的行被当成差异，或者反过来。

正确获取差异日期的方法 #

先确认两个DataFrame里日期列的名称（假设都叫date，如果不是你替换成实际列名），然后按下面步骤来：

第一步：统一数据类型（关键！）

先检查并统一日期列的类型，避免类型不匹配导致的错误：

# 打印当前类型
print("Directory日期列类型:", df_file_dates_from_directory['date'].dtype)
print("SQL日期列类型:", df_file_dates_from_sql['date'].dtype)

# 统一转成字符串（或者整数，只要两边一致就行）
df_file_dates_from_directory['date'] = df_file_dates_from_directory['date'].astype(str)
df_file_dates_from_sql['date'] = df_file_dates_from_sql['date'].astype(str)

方法一：用Merge+Indicator列找差异

用left join结合_merge列，找出目录里有但SQL里没有的日期：

# 执行left join，添加_merge列标记行的来源
merged_df = df_file_dates_from_directory.merge(
    df_file_dates_from_sql,
    on='date',
    how='left',
    indicator=True
)

# 筛选出只有左边（目录）有的行，提取日期
diff_dates = merged_df[merged_df['_merge'] == 'left_only']['date']
print("差异日期：")
print(diff_dates)

方法二：用isin()直接过滤（更简洁）

如果只是要找某一边独有的值，用isin()加取反操作更直接：

# 找出目录中不在SQL里的日期
diff_dates = df_file_dates_from_directory[
    ~df_file_dates_from_directory['date'].isin(df_file_dates_from_sql['date'])
]['date']
print("差异日期：")
print(diff_dates)

按照你给出的目录日期列表，预期的20171211-20171218这些日期应该会被筛选出来，只要SQL里确实没有这些值。

内容的提问来源于stack exchange，提问作者sio2bagger