假设我们要比较的两个数据框为df1和df2，我们可以使用以下代码来查找在两个数据框中都出现过的重复行：

common_rows = df1[df1.isin(df2)].dropna()

其中，isin()方法可以查找df1中的元素是否在df2中出现过，返回一个布尔型数据框。然后我们再通过dropna()方法去掉NaN值，即为在两个数据框中都出现的行。

例如，我们有以下两个数据框：

import pandas as pd

df1 = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']})
df2 = pd.DataFrame({'col1': [2, 3, 4], 'col2': ['b', 'c', 'd']})

使用上面的方法，可以得到df1和df2中都出现的行：

   col1 col2
1     2    b
2     3    c

另外，如果我们只需要查找其中一个数据框中的重复行，可以使用pandas提供的duplicated()方法，如下：

# 查找df1中的重复行
duplicate_rows = df1[df1.duplicated()]

# 查找df2中的重复行
duplicate_rows = df2[df2.duplicated()]