首先，我们需要确定哪些列具有空/Null值。可以使用 pandas 库中的 isnull() 或 notnull() 函数来确定列中是否存在 Null 值。

例如，我们有两个数据集 df1 和 df2：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': [None, 10, 11, 12]}) df2 = pd.DataFrame({'A': [5, 6, 7, 8], 'B': [1, 2, 3, 4], 'C': [None, 12, 10, 11]})

检查哪些列具有空/Null值：

null_columns_df1 = df1.columns[df1.isnull().any()] null_columns_df2 = df2.columns[df2.isnull().any()]

现在，我们可以比较这些数据集的非空列。可以使用 pandas 库中的 equals() 函数来比较两个数据集。

例如，我们要比较 df1 和 df2 中的非空列：

df1_notnull = df1[df1.columns[~df1.isnull().all()]] df2_notnull = df2[df2.columns[~df2.isnull().all()]]

print(df1_notnull.equals(df2_notnull))

如果返回 True，则说明这些列的值相同。如果返回 False，则说明这些列的值不同。

我们还可以使用 pandas 库中的 combine_first() 函数将两个数据集合并，并填充空/Null值。

例如，我们要将 df2 合并到 df1 中并填充空/Null值：

merged_df = df1.combine_first(df2) print(merged_df)