以下是一个示例代码，展示了如何比较两个数据框中的列值，并将它们合并为一个新的数据框：

import pandas as pd

# 创建第一个数据框
df1 = pd.DataFrame({'A': [1, 2, 3],
                    'B': ['a', 'b', 'c']})

# 创建第二个数据框
df2 = pd.DataFrame({'A': [1, 2, 4],
                    'B': ['a', 'b', 'd']})

# 比较两个数据框的列值并合并
df_merged = pd.merge(df1, df2, on='A', how='outer')
df_merged.columns = ['A', 'B_df1', 'B_df2']
df_merged['B_match'] = df_merged['B_df1'] == df_merged['B_df2']
df_merged['B_match'] = df_merged['B_match'].replace({True: 'Match', False: 'Mismatch'})

print(df_merged)

输出结果如下：

   A B_df1 B_df2    B_match
0  1     a     a      Match
1  2     b     b      Match
2  3     c   NaN  Mismatch
3  4   NaN     d  Mismatch

在这个示例中，我们创建了两个数据框df1和df2，它们有相同的列名'A'和'B'，但是'B'列中的值有一些差异。我们使用pd.merge函数将两个数据框根据'A'列进行合并，并使用'outer'方法来保留所有的行。然后，我们将合并后的数据框的列重命名为'B_df1'和'B_df2'，以区分两个数据框中的'B'列。接下来，我们创建了一个新的列'B_match'，将两个数据框中的'B'列进行比较，并将比较结果存储为'Match'或'Mismatch'。最后，我们打印输出合并后的数据框。