如果您想检查某个列上的相等值，比如说Name，您可以将merge两个 DataFrame 都设置为一个新的：

mergedStuff = pd.merge(df1, df2, on=['Name'], how='inner')
mergedStuff.head()

我认为这比where拥有大数据集更有效、更快。

df1.where(df1.values==df2.values).notna()

True条目显示共同元素。这也揭示了公共元素的位置，与merge.

isin您可以使用和仔细检查两个 df 之间常见和不同位置的确切数量value_counts()。

像那样：

df['your_column_name'].isin(df2['your_column_name']).value_counts()

结果：

True= 共同
False= 不同

比较两个不同列中的值

使用 set，在每列中获取唯一值。这两组的交集将在两列中提供唯一值。

例子：

df1 = pd.DataFrame({'c1': [1, 4, 7], 'c2': [2, 5, 1], 'c3': [3, 1, 1]})
 df2 = pd.DataFrame({'c4': [1, 4, 7], 'c2': [3, 5, 2], 'c3': [3, 7, 5]})
 set(df1['c2']).intersection(set(df2['c2']))

输出： {2, 5}

比较两个数据框的列名

如果您尝试比较两个数据框的列名：

如果df1和df2是两个数据框： set(df1.columns).intersection(set(df2.columns))

这将提供包含在两个数据框中的唯一列名。

例子：

df1 = pd.DataFrame({'c1': [1, 4, 7], 'c2': [2, 5, 1], 'c3': [3, 1, 1]})
df2 = pd.DataFrame({'c4': [1, 4, 7], 'c2': [3, 5, 2], 'c3': [3, 7, 5]})

set(df1.columns).intersection(set(df2.columns))

输出： {'c2', 'c3'}