应先对齐索引、重排列序、统一列名与数值精度，再用带来源标记的concat+duplicated找集合差异；大数据量或需字段级对比时，改用merge+逐列布尔比较更可靠。
直接用 concat 拼接再找差异，90% 的情况会漏掉行顺序不同但内容相同的“假差异”
很多人一上来就 pd.concat([df1, df2], ignore_index=True)，然后用 duplicated(keep=False) 或 groupby 找唯一组——这在两表行数相同、列结构一致时看似可行，但只要存在任意一行在两表中位置不同，就会被误判为“差异”。真正要对比的是数据内容的集合等价性，不是拼接后的物理顺序。
先确保可比性：必须对齐索引 + 重排列 + 重排序
两表若带业务索引（如 'order_id'），应设为 index；若无，则需用所有列共同构成临时唯一键。否则 concat 后无法区分“同一行重复出现”和“两表各有一行但值相同”。
- 用
df1.set_index(['id', 'date'], drop=True)和df2.set_index(['id', 'date'], drop=True)对齐逻辑主键 - 列名不一致？先统一：
df2 = df2.rename(columns={'user_name': 'name', 'amt': 'amount'}) - 列顺序不同？强制对齐：
cols = sorted(set(df1.columns) | set(df2.columns))，再df1[cols]和df2[cols] - 数值精度差异（如 float64 vs float32）？用
df.round(6)统一后再比
用 concat + duplicated 找“只在某一张表出现”的行
这是最轻量、最可控的方式，适用于中小规模数据（百万行内）。关键在于：拼接后标记来源，再按全部列分组去重。
df1['src'] = 'df1'
df2['src'] = 'df2'
combined = pd.concat([df1, df2], ignore_index=True, sort=False)
# 注意：必须把所有参与比较的列都放进 subset，包括 src
diff_mask = ~combined.duplicated(subset=combined.columns.drop('src'), keep=False)
only_in_df1 = combined[diff_mask & (combined['src'] == 'df1')].drop('src', axis=1)
only_in_df2 = combined[diff_mask & (combined['src'] == 'df2')].drop('src', axis=1)
⚠️ 容易踩的坑：duplicated 默认对 NaN 视为相等，但若某列含大量空值，可能误合并；此时应先用 fillna() 填充占位符（如 '<na>'</na>），或改用 combine_first + compare（Pandas 1.5+）。
立即学习“Python免费学习笔记（深入）”；
大数据量或需逐字段标红差异时，别硬刚 concat，换 merge + compare
当两表行数超 50 万，或你需要知道“哪一列不同”，concat 方法会变慢且难调试。更稳的路径是：以主键为基准做外连接，再逐列比对布尔值。
merged = df1.merge(df2, on=['id', 'date'], how='outer', suffixes=('_l', '_r'), indicator=True)
# 找出只在左/右存在的行
only_left = merged[merged['_merge'] == 'left_only']
only_right = merged[merged['_merge'] == 'right_only']
# 对共有的行，逐列比较（注意类型一致）
common = merged[merged['_merge'] == 'both']
diff_cols = []
for col in ['name', 'amount', 'status']:
l_col, r_col = f'{col}_l', f'{col}_r'
# 处理 NaN：pandas.isna 配合 == 更安全
is_diff = ~(common[l_col].equals(common[r_col]) |
(common[l_col].isna() & common[r_col].isna()) |
(common[l_col] == common[r_col]))
if is_diff.any():
diff_cols.append(col)
这个逻辑虽然代码多几行，但每一步都可检查中间结果，不会因 concat 后索引丢失或列错位而白忙活。
真正麻烦的从来不是怎么写代码，而是没想清楚“你到底要找什么差异”：是整体集合差异？主键缺失？还是字段级变更？选错起点，后面全得返工。
