在比较不同数据集之间的数据时，使用iterrows迭代行可能会比较慢，可以考虑使用pandas中的merge函数来进行更高效的比较。

下面是一个使用merge函数进行数据集比较的示例代码：

import pandas as pd

# 创建示例数据集1
data1 = {'ID': [1, 2, 3, 4],
         'Name': ['Alice', 'Bob', 'Charlie', 'David']}
df1 = pd.DataFrame(data1)

# 创建示例数据集2
data2 = {'ID': [3, 4, 5, 6],
         'Age': [25, 30, 35, 40]}
df2 = pd.DataFrame(data2)

# 使用merge函数将两个数据集进行比较
merged_df = pd.merge(df1, df2, on='ID', how='inner')

# 打印比较结果
print(merged_df)

输出结果：

   ID     Name  Age
0   3  Charlie   25
1   4    David   30

在这个示例中，我们创建了两个示例数据集df1和df2，它们包含相同的ID列。然后，我们使用merge函数将两个数据集根据ID列进行内连接（inner join）比较，得到了只包含共同ID的行的结果数据集merged_df。最后，我们打印出了比较结果。

使用merge函数可以更高效地进行数据集之间的比较，尤其是在处理大型数据集时。根据具体的比较需求，可以选择不同的连接方式（如内连接、左连接、右连接、外连接等）。