一个解决方法是使用Python的pandas库来比较N个数据集并仅输出并保存差异。下面是一个示例代码：

import pandas as pd

# 定义数据集列表
datasets = ['data1.csv', 'data2.csv', 'data3.csv']

# 读取第一个数据集作为基准
base_dataset = pd.read_csv(datasets[0])

# 循环遍历比较其他数据集
for dataset in datasets[1:]:
    # 读取当前数据集
    current_dataset = pd.read_csv(dataset)
    
    # 比较两个数据集的差异，将不同的行筛选出来
    diff_dataset = current_dataset[~current_dataset.isin(base_dataset)].dropna()
    
    # 输出差异数据集
    print(diff_dataset)
    
    # 保存差异数据集为CSV文件
    diff_dataset.to_csv('diff_' + dataset, index=False)

在上面的代码中，我们首先定义了一个数据集列表，其中包含了需要比较的N个数据集的文件名。然后，我们读取第一个数据集作为基准数据集。接下来，我们使用一个循环来遍历其他数据集，并在每次循环中读取当前数据集。

使用isin()函数，我们可以找出当前数据集中在基准数据集中不存在的行。然后，我们使用dropna()函数来删除包含空值的行，得到最终的差异数据集。

我们可以使用print()函数输出差异数据集，也可以使用to_csv()函数将差异数据集保存为CSV文件。在保存为CSV文件时，我们可以通过添加前缀“diff_”来区分每个差异数据集的文件名。