基于ID和多列找出两个Polars DataFrame的差异行

核心解决思路是同时用ID和Iname作为连接键，而非仅依赖ID，这样能确保只有两个键完全匹配的行才会被关联，彻底避免你之前遇到的Iname不匹配错误对比的问题。

步骤1：基于ID+Iname做全连接 #

先将两个DataFrame按ID和Iname执行全连接，这样会保留所有仅在df1或仅在df2中存在的行，同时把双键匹配的行合并到同一行。为了区分两个表的列，给df1的列加_df1后缀，df2的列加_df2后缀：

import polars as pl

# 示例测试数据
df1 = pl.DataFrame({
    "ID": [1, 2, 3],
    "Iname": ["foo", "bar", "baz"],
    "X": [10, 20, 30],
    "Y": [100, 200, 300],
    "Z": [1000, 2000, 3000]
})

df2 = pl.DataFrame({
    "ID": [1, 2, 4],
    "Iname": ["foo", "baz", "qux"],
    "X": [10, 25, 40],
    "Y": [100, 220, 400],
    "Z": [1000, 2300, 4000]
})

# 执行全连接并添加列后缀区分来源
joined_df = df1.join(
    df2,
    on=["ID", "Iname"],
    how="full",
    suffix="_df2"
).rename({col: f"{col}_df1" for col in df1.columns if col not in ["ID", "Iname"]})

步骤2：筛选存在差异的行 #

筛选以下两类差异行：

• 仅在单表存在的行（即某一侧的X/Y/Z列为null）
• X、Y、Z列中至少有一列值不相等的行

# 定义差异判断条件
diff_condition = (
    pl.col("X_df1") != pl.col("X_df2")
    | pl.col("Y_df1") != pl.col("Y_df2")
    | pl.col("Z_df1") != pl.col("Z_df2")
    | pl.col("X_df1").is_null()
    | pl.col("X_df2").is_null()
)

# 筛选出所有差异行
diff_result = joined_df.filter(diff_condition)

可选：优化结果展示格式 #

如果需要更直观的差异说明，可以新增一列标记差异类型：

diff_result = diff_result.with_columns(
    pl.when(pl.col("X_df1").is_null())
    .then(pl.lit("仅在df2存在"))
    .when(pl.col("X_df2").is_null())
    .then(pl.lit("仅在df1存在"))
    .otherwise(pl.lit("值存在差异"))
    .alias("差异类型")
)

最终结果会精准保留所有符合要求的差异行，不会出现Iname不匹配的错误关联情况。

内容的提问来源于stack exchange，提问作者Simon