> 经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas
前言
有时候我们需要对比两份数据有哪些不同值，在 Excel 中虽然没有实现对比功能，但通过公式也可以简单完成。不过你可能没想到的是，在 pandas 中实现对比功能，与 Excel 有异曲同工之处。
案例1
你千辛万苦整理了一份数据表，发给了同事，几小时后，同事在表格中修改了某些单元格的值，然后扔下一句话：麻烦你看看修改的对不对？
- - 此时你很想问一句：可以告诉我哪些修改了？
Excel 中，我们可以简单写一个等号，把两个表的值都对比一下：
虽然上述方式操作简单，但是你每次编写公式范围都要靠"手感"。现在看看 pandas 中怎么实现：
- - pandas 中的原理其实与 Excel 操作是一样的，不过我们只需要写一次"双等号"，pandas 会自动让2个表的每个值做对比
案例2
你会埋怨说，上面给我一堆 bool 值，有啥用？！你当然希望看看那些被修改的值。上面代码简单修改即可：
- - cond = df_mdf != df_src ， 这次我们把判断条件写成"!="，是"不等于"的意思
- - df_mdf[cond] ，紧接着只要把那些"不等于"的结果放入"修改表"，即可显示那些被修改的值
案例3
你的同事喜欢给你"开玩笑"，这次他发过来的数据表，不小心把人名的顺序给打乱了：
- - 现在修改后的表格数据，是按销量降序排列
这次我们不能直接根据位置判断，不过只需要简单调整即可：
- - 关键1(红线部分)，加载数据时，把第一列作为行索引
- - 关键2(蓝线部分)，让"乱序表"按"原始表"的索引重置一下
- - 其他部分不变
> 实际上，pandas 中的判断是根据行列索引自动对齐
案例4
有时候，同事不会给你完整的数据表，他只提供修改的记录：
这次你不再需要关心哪些被修改了，而是怎么把修改后的结果更新到"原始表"。
pandas 当然不会让你失望：
- - 关键在最后一行，DataFrame.update() ，按传入的 DataFrame 作为标准，更新原始表
- - 时刻谨记，一切按行列索引自动对齐
> 你会发现，即使是非常复杂的表头，也能完成这些操作，因为 DataFrame 可以包含各种多层行列索引。因此，这案例中的列顺序有变化，同样可以完成操作
总结
- - 注意 DataFrame 的行列索引，所有操作都自带索引对齐功能
- - DataFrame.update ，能以另一个 DataFrame 为基准，做更新操作
