如何在python中比较两个DataFrame (StructType)

Question

本质上，这是比较两个数据帧，我可以用来比较它们的名称：

def diff(first, second):
    second = set(second)
    return [item for item in first if item not in second]

但是我还希望不仅在名称上而且在数据类型上进行比较

示例数据框如下：

>>> pDF1.schema
StructType(
List(
StructField(Scen_Id,IntegerType,true),
StructField(Flow_Direction,StringType,true),
StructField(Dataset_Type,StringType,true),
StructField(Flag_Extrapolation_Percent_Change_Stay,IntegerType,true)
)
)

>>> pDF2.schema
StructType(
List(
StructField(Scen_Id,StringType,true),
StructField(Flow_Direction,StringType,true),
StructField(Dataset_Type,StringType,true),
StructField(Flag_Extrapolation_Percent_Change_Stay,IntegerType,true)
)
)

正如您从这个特定的简化示例中看到的(通常情况下，我们的数据帧包含100多个字段)，除了第一个字段具有不同的数据类型之外，pDF2与pDF1具有相同的名称/数据类型。

非常感谢。

Answer 1

好的，那么答案确实非常简单，如下所示，供将来的读者参考：

def diff(first, second):
    second = set(second)
    return [item for item in first if item not in second]

dl1_fields = list(pDF1.schema.fields)

dl2_fields = list(pDF2.schema.fields)

print("=========================================================")
print("schema comparison result:")
print("=========================================================")
dl1Notdl2 = diff(dl1_fields, dl2_fields)
print(str(len(dl1Notdl2)) + " columns in first df but not in second")
pprint.pprint(dl1Notdl2)
print("=========================================================")
dl2Notdl1 = diff(dl2_fields, dl1_fields)
print(str(len(dl2Notdl1)) + " columns in second df but not in first")
pprint.pprint(dl2Notdl1)