差分对比需先按业务主键对齐索引、统一列名与顺序、标准化数据类型（数值转float64、字符串fillna("")、时间转datetime），再用compare()或merge+布尔掩码提取差异，最后结合业务规则定义差异语义。
差分对比的本质是“按行对齐后逐列比较”
直接用 df1 != df2 会出错——Pandas 默认要求索引和列完全一致才允许广播比较。实际中两个 DataFrame 往往存在：行顺序不同、索引类型不匹配（如一个是整数索引，一个是字符串 ID）、列顺序不一致、甚至列名有细微差异（"user_id" vs "userid"）。这时候不能硬比，得先对齐。
核心思路是：把两个 DataFrame 都重设为以业务主键（比如 "id" 或 ["order_no", "date"]）为索引，再用 reindex 统一列顺序，最后用 compare()（Pandas ≥ 1.5）或手动布尔运算做差异提取。
用 compare() 前必须确保索引可对齐
compare() 不接受任意索引，它默认按当前索引位置对齐（类似 NumPy 的逐行比较），不是按值匹配。所以如果 df1 和 df2 的索引不一致，结果全是 NaN 或误报。
- 先检查是否已有业务主键列：如果有
"id"列，用df1.set_index("id")和df2.set_index("id")统一索引 - 若无单一主键，用多列组合：
df1.set_index(["user_id", "timestamp"]) - 若索引是默认
RangeIndex但语义上应按顺序比（如日志流水），显式重置：df1.reset_index(drop=True)+df2.reset_index(drop=True) - 列名需严格一致：用
df2.columns = df1.columns强制对齐，或提前映射别名（如df2.rename(columns={"userid": "user_id"})）
手动实现差分时避开 dtypes 不兼容陷阱
当某列在 df1 是 int64、在 df2 是 float64（比如空值被转成 NaN），直接 df1 == df2 会返回全 False —— Pandas 对类型敏感，1 != 1.0 在某些版本下成立。
- 统一数值列类型：对要比较的列批量转
float64或object（后者保留NaN行为）：df1[col].astype("float64") - 字符串列务必用
.fillna("")再比，否则NaN != NaN导致漏差 - 时间列用
pd.to_datetime()标准化后再比，避免字符串格式（"2023-01-01"vs"01/01/2023"）干扰 - 布尔列注意
None和np.nan差异，建议先df.fillna(False)或明确替换
生成可读差分报告的关键字段控制
compare() 默认只返回差异单元格，但生产环境需要知道“哪一行、哪一列、旧值多少、新值多少”。靠 result = df1.compare(df2, keep_shape=True, keep_equal=False) 只能得到带 self/other 层级的结构，不易直接导出表格。
更实用的做法是构造差异 DataFrame：
diff = df1.merge(df2, left_index=True, right_index=True, suffixes=('_old', '_new'), how='outer')
mask = (diff.filter(regex='_old$') != diff.filter(regex='_new$')).any(axis=1)
diff_report = diff[mask].copy()
这样每行含原始索引 + 所有旧/新字段，后续可按需筛选、导出 CSV 或高亮渲染。注意 how='outer' 能捕获新增/删除行，若只关心共有的行，改用 how='inner'。
真正难的不是算出差，而是定义“什么算差异”——空字符串和 None 是否等价？金额四舍五入到分是否容忍？这些逻辑必须在对齐和类型处理之前就明确，否则后面所有操作都失真。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
