Python 如何使用DataFrame.isin而不必同时匹配索引和值？

我有两个文件，一个有600万条，另一个有500万条。我想比较两个数据帧中的特定列值。这是我使用的代码：

print(df1['Col1'].isin(df2['col3']).value_counts())

这对我来说很重要，因为我希望看到真（相同）和假（不同）的数量。我得到的大多数条目大约95%为真，但有5%的数据为假。我使用to_csv提取了这些数据，并使用vimdiff比较了这些列，它们都是相同的，那么为什么代码将它们标记为false（不同）？有更好、更全面的方法吗

注意：我也检查了列中的空格。没有空格

---

PS.Pandas.isin文件规定索引和值必须匹配。由于1个文件中有更多的条目，因此索引与这些条目不匹配，如何删除该约束？

首先，将

isin（）方法中用作参数的列转换为列表

然后将其解析为
df1
dataframe的副本，因为您需要获取筛选的同一列的值计数

从你的例子来看：

print(df1[df1['Col1'].isin(df2['col3'].values.tolist())]['Col1'].value_counts())

请尝试再次运行该命令。
您可以过滤掉错误记录，然后进行相应的调试。另外，您可以共享一个示例数据帧吗？我已经取出了错误记录，并通过vimdiff进行了比较。它们都一样。数据帧有编号的ID（两个数据帧中都有5位数字），即使您删除了索引约束，您将如何比较两个大小不同的列？对于无法比较的100万个条目，什么是
正确的
（相同）？和什么一样？