Python 在两个不同形状的数据框中查找相同的数据

我想比较两个熊猫数据帧。比如说

    a    b    c
A   na   na  na
B   na   1    1
C   na   1    na

及

在本例中，我希望找到共享的任何值的索引列坐标

    b
C   1

---

这是可能的吗？

如果将

keys

参数传递给

concat

，则生成的数据帧的列将由跟踪原始数据帧的多索引组成：

In [1]: c=pd.concat([df,df2],axis=1,keys=['df1','df2'])
        c

Out[1]:
   df1           df2
     a    b    c   a   b   c
A   na   na   na   1  na   1
B   na    1    1  na  na  na
C   na    1   na  na   1  na
D  NaN  NaN  NaN  na   1  na

由于基础数组现在具有相同的形状，您现在可以使用

==

广播比较，并将其用作掩码以返回所有匹配值：

In [171]: m=c.df1[c.df1==c.df2];m
Out[171]:
    a   b   c
A NaN NaN NaN
B NaN NaN NaN
C NaN   1 NaN
D NaN NaN NaN

如果“na”值实际上是零，则可以使用稀疏矩阵将其减少到匹配值的坐标（但会丢失索引和列名）：

---

如果您只需要不同的索引，您可以为范围内的i（len（（df1！=df2）.columns））的j（len（df1！=df2））的If（df1！=df2）[i][j]执行：

或者，稍微可读一点：

m = (df1 != df2)
different_indices = [(i,j) for i in range(len(m.columns)) for j in range(len(m)) if m[i][j]]

回答得很好，但我认为你需要
any
而不是
all
。此外，OP仍然需要找到匹配的专栏。回答很好@lev你是对的，我误解了他的问题，我编辑了我的答案
import scipy.sparse as sp
print(sp.coo_matrix(m.where(m.notnull(),0)))
  (2, 1)    1.0

m = (df1 != df2)
different_indices = [(i,j) for i in range(len(m.columns)) for j in range(len(m)) if m[i][j]]