我正在使用Pandas比较加载到两个数据帧（uat，prod）中的两个文件的输出：...
uat = uat[['Customer Number','Product']]
prod = prod[['Customer Number','Product']]
print uat['Customer Number'] == prod['Customer Number']
print uat['Product'] == prod['Product']
print uat == prod
The first two match exactly:
74357 True
74356 True
Name: Customer Number, dtype: bool
74357 True
74356 True
Name: Product, dtype: bool
对于第三次打印，我得到一个错误：只能比较标记相同的DataFrame对象。如果前两个比较好，第三个有什么问题？
谢谢
Answers:
这是一个小例子来说明这一点（仅适用于DataFrames，不适用于Series，直到Pandas 0.19都适用于两者）：
In [1]: df1 = pd.DataFrame([[1, 2], [3, 4]])
In [2]: df2 = pd.DataFrame([[3, 4], [1, 2]], index=[1, 0])
In [3]: df1 == df2
Exception: Can only compare identically-labeled DataFrame objects
一种解决方案是先对索引进行排序（注意：某些函数需要对索引进行排序）：
In [4]: df2.sort_index(inplace=True)
In [5]: df1 == df2
Out[5]:
0 1
0 True True
1 True True
注意：对列的顺序==也很敏感，因此您可能必须使用sort_index(axis=1)：
In [11]: df1.sort_index().sort_index(axis=1) == df2.sort_index().sort_index(axis=1)
Out[11]:
0 1
0 True True
1 True True
注意：这仍然可以提高（如果排序后索引/列的标签不相同）。
df = df.sort_index(inplace=True)，如果就地使用，则不需要df = ，它会修改/更新df DataFrame /变量，并且表达式返回None。
如果不需要进行比较，也可以尝试删除索引列：
print(df1.reset_index(drop=True) == df2.reset_index(drop=True))
我在单元测试中使用了相同的技术，如下所示：
from pandas.util.testing import assert_frame_equal
assert_frame_equal(actual.reset_index(drop=True), expected.reset_index(drop=True))
inplace=True以确保索引保持静态以进行下游比较。
在问这个问题时，Pandas中没有另一个函数可以测试相等性，但是它是在不久前添加的： pandas.equals
您可以这样使用它：
df1.equals(df2)
一些区别于==：
dtype才能视为相等，请参阅此stackoverflow问题比较两个DataFrame时，必须确保第一个DataFrame中的记录数与第二个DataFrame中的记录数匹配。在我们的示例中，两个DataFrame中的每个都有4条记录，其中包含4种产品和4种价格。
例如，如果一个DataFrame具有5个产品，而另一个DataFrame具有4个产品，而您尝试运行比较，则会得到以下错误：
ValueError：只能比较标记相同的Series对象
这应该工作
import pandas as pd
import numpy as np
firstProductSet = {'Product1': ['Computer','Phone','Printer','Desk'],
'Price1': [1200,800,200,350]
}
df1 = pd.DataFrame(firstProductSet,columns= ['Product1', 'Price1'])
secondProductSet = {'Product2': ['Computer','Phone','Printer','Desk'],
'Price2': [900,800,300,350]
}
df2 = pd.DataFrame(secondProductSet,columns= ['Product2', 'Price2'])
df1['Price2'] = df2['Price2'] #add the Price2 column from df2 to df1
df1['pricesMatch?'] = np.where(df1['Price1'] == df2['Price2'], 'True', 'False') #create new column in df1 to check if prices match
df1['priceDiff?'] = np.where(df1['Price1'] == df2['Price2'], 0, df1['Price1'] - df2['Price2']) #create new column in df1 for price diff
print (df1)
pd.concat，回答这个问题的帮助