下面是一个示例代码，用于比较两个相同的表并找到最大的日期：

import pandas as pd

# 创建示例数据表
data1 = {'ID': [1, 2, 3],
         'Date': ['2021-01-01', '2021-02-01', '2021-03-01']}
df1 = pd.DataFrame(data1)

data2 = {'ID': [1, 2, 3],
         'Date': ['2021-04-01', '2021-05-01', '2021-06-01']}
df2 = pd.DataFrame(data2)

# 合并两个数据表
merged_df = pd.merge(df1, df2, on='ID', suffixes=('_1', '_2'))

# 将日期列转换为datetime类型
merged_df['Date_1'] = pd.to_datetime(merged_df['Date_1'])
merged_df['Date_2'] = pd.to_datetime(merged_df['Date_2'])

# 找到每行的最大日期
merged_df['Max_Date'] = merged_df[['Date_1', 'Date_2']].max(axis=1)

# 显示结果
print(merged_df)

运行此代码将输出以下结果：

   ID      Date_1      Date_2   Max_Date
0   1  2021-01-01  2021-04-01 2021-04-01
1   2  2021-02-01  2021-05-01 2021-05-01
2   3  2021-03-01  2021-06-01 2021-06-01

在此示例中，我们使用pandas库来处理数据表。首先，我们创建了两个示例数据表df1和df2，它们具有相同的ID列和日期列。然后，我们使用pd.merge函数将这两个数据表合并成一个新的数据表merged_df，根据ID列进行合并。合并后的数据表具有两个日期列：Date_1和Date_2。

接下来，我们使用pd.to_datetime函数将日期列转换为datetime类型，以便能够进行日期比较。然后，我们使用.max函数找到每行的最大日期，并将结果存储在新的Max_Date列中。

最后，我们打印出合并后的数据表merged_df，其中包含每行的最大日期。