锋哥原创的Pandas2 Python数据处理与分析 视频教程：  

2025版 Pandas2 Python数据处理与分析 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

df.compare()：差异高亮

df.compare() 是 pandas 中用于 高效比较两个 DataFrame 差异 的方法（自 pandas 1.1.0 版本引入），能够直观展示两个结构相同的数据集在对应位置的值差异。以下是详细说明及示例：

基本语法

df1.compare(df2, align_axis=0,        # 结果对齐方式（0: 垂直堆叠差异，1: 横向并排）keep_shape=False,    # 是否保留所有行/列（默认仅显示有差异的行/列）keep_equal=False,    # 是否保留相等值（默认仅显示差异）result_names=('self', 'other')  # 差异结果列名标识
)

核心功能

1. 差异高亮：将两个 DataFrame 的差异值并排显示，区分 self（原 DataFrame）和 other（对比的 DataFrame）。

2. 灵活对齐：支持垂直或水平展示差异。

3. 过滤控制：可选择仅显示差异部分或保留完整结构。

---

参数说明

参数	说明
align_axis	0：垂直堆叠差异行；1（默认）：横向并排差异列
keep_shape	False（默认）：仅显示有差异的行；True：保留所有行/列，无差异处填充 NaN
keep_equal	False（默认）：隐藏相等值；True：显示相等值
result_names	自定义标识列名，默认 ('self', 'other')，表示原 DataFrame 和对比对象

常见场景示例

1，基本差异比较

import pandas as pd
​
df1 = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
df2 = pd.DataFrame({"A": [1, 20, 3], "B": [4, 50, 60]})
​
diff = df1.compare(df2)

2，横向并排差异（align_axis=0）

import pandas as pd
​
df1 = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
df2 = pd.DataFrame({"A": [1, 20, 3], "B": [4, 50, 60]})
​
diff = df1.compare(df2, align_axis=0)

3，保留所有行/列（keep_shape=True）

import pandas as pd
​
df1 = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
df2 = pd.DataFrame({"A": [1, 20, 3], "B": [4, 50, 60]})
​
diff = df1.compare(df2, keep_shape=True)

4，显示相等值（keep_equal=True）

import pandas as pd
​
df1 = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
df2 = pd.DataFrame({"A": [1, 20, 3], "B": [4, 50, 60]})
​
diff = df1.compare(df2, keep_equal=True)

5，自定义结果列名（result_names）

import pandas as pd
​
df1 = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
df2 = pd.DataFrame({"A": [1, 20, 3], "B": [4, 50, 60]})
​
diff = df1.compare(df2, result_names=("Original", "Modified"))