df.compare() 报 AttributeError 是因该方法仅在 pandas 1.1.0+ 中存在，旧版本需升级或改用 df1.eq(df2)、pd.concat 等替代方案，并注意索引列对齐与 NaN 处理。
df.compare() 为什么报 AttributeError
因为 DataFrame.compare() 是 pandas 1.1.0+ 才引入的函数，旧版本（比如 1.0.x 或更早）压根没有这个方法。直接调用会抛出 AttributeError: 'DataFrame' object has no attribute 'compare'。
- 先确认版本：
pandas.__version__，低于'1.1.0'就得升级或换方案 - 升级命令：
pip install --upgrade pandas（注意：某些旧项目依赖可能不兼容 1.1+，升级前建议测试） - 如果不能升级，别硬套
compare()，后面有替代方案
df.compare() 的核心参数怎么选
df.compare() 默认只显示差异值，但实际使用中，哪些列参与比对、如何对齐索引、空值怎么处理，全靠几个关键参数控制。
-
keep_shape=True：保留原始 shape，无差异位置填NaN；设为False（默认）则只返回有差异的行列，结果更紧凑但可能丢失上下文 -
keep_equal=False（默认）：不显示相同值；设为True会把所有单元格都展开成“left”/“right”两列，适合逐单元格核对 -
align_axis=1（默认）：按列对齐；若两个 DataFrame 列顺序不同但列名一致，必须确保index和columns完全一致，否则会误判为差异 - 注意：
df.compare()不做自动类型转换，int64和float64的 1 和 1.0 会被视为不同
对比前必须对齐索引和列名
很多人一上来就 df1.compare(df2)，结果满屏差异——其实只是索引没对齐，或者列顺序不一致。
- 先检查：
df1.index.equals(df2.index)和df1.columns.equals(df2.columns)，不等就别急着 compare - 列顺序不一致？用
df2 = df2[df1.columns]强制对齐（前提是列名完全一致） - 索引不同但逻辑可对齐？先用
df2 = df2.set_index(df1.index)或reindex对齐，否则compare()会按位置比，不是按语义比 - 有缺失列？
compare()会直接报错ValueError: Can only compare identically-labeled DataFrame objects
替代方案：pandas 1.0.x 或复杂场景怎么办
版本太低、结构不对齐、或需要自定义差异标记（比如标出哪一行哪一列变了），compare() 就不够用了。
立即学习“Python免费学习笔记（深入）”；
- 基础替代：
df1.eq(df2)返回布尔 DataFrame，再用~df1.eq(df2)找差异位置，适合简单相等性判断 - 结构灵活点：用
pd.concat([df1, df2], keys=['left', 'right'], axis=1)拼宽，再加query或布尔索引筛差异 - 要定位到具体行列：结合
np.where(~df1.eq(df2))拿到 (row_idx, col_idx)，再用df1.index[row_idx]和df1.columns[col_idx]反查 - 注意：所有替代方案都不处理 NaN 的语义相等（
np.nan == np.nan是 False），要用pd.isna()单独判断
真正麻烦的从来不是函数怎么写，而是你手里的两个 DataFrame 是否真的“可比”——索引对齐了没，缺失值怎么算，时间戳时区一不一样，字符串大小写敏感不敏感……这些细节漏一个，compare() 给的结果就是误导。
