修改代码：

import pandas as pd

exam_1 = {
  'ID1': [1, 2, 3, 4, 5, 6],
  'ID2': [1, 2, 3, 4, 5, 6],
  'Mat': [85, 75, 50, 93, 88, 90],
  'Science': [96, 97, 99, 87, 90, 88],
  'Reading': [80, 60, 72, 86, 84, 77],
  'Writing': [78, 82, 88, 78, 86, 82],
  'Lang': [77, 79, 77, 72, 90, 92],
}

exam_2 = {
  'ID1': [1, 2, 3, 4, 5, 6],
  'ID2': [1, 2, 3, 4, 5, 6],
  'Mat': [80, 80, 90, 90, 85, 80],
  'Science': [50, 60, 85, 90, 66, 82],
  'Reading': [60, 75, 55, 90, 85, 60],
  'Writing': [56, 66, 90, 82, 60, 80],
  'Lang': [80, 78, 76, 90, 77, 66],
}

df_1 = pd.DataFrame(exam_1)
df_2 = pd.DataFrame(exam_2)

cmp = pd.merge(df_1, df_2, how="outer", on=['ID1', 'ID2'], suffixes=("_1", "_2")) \
    .set_index(['ID1', 'ID2']) \
    .sort_index(axis=1) \
    .reset_index()

cmp['Status'] = cmp.iloc[:, 3:].apply(lambda x: 'Pass' if x[0] == x[1] else 'Fail', axis=1)

以下是变化：
1.将'ID1'和'ID2'添加到检查数据字典中，以匹配合并操作中的列名。
1.修复了列名'Writing'中的拼写错误。
1.将'ID1'和'ID2'添加到set_index函数中，以设置DataFrame的索引。
1.已将apply函数中的iloc索引调整为从第三列（iloc[:, 3:]）开始，以排除不可比较的列。
1.修改了lambda函数，如果相邻值相等（x[0] == x[1]），则返回'Pass'，否则返回'Fail'。
在这些更改之后，cmp DataFrame将包含列ID1、ID2以及来自df_1和df_2的原始列。Status列将指示每行中的相邻值是否匹配。

IIUC，您可以用途：

cmp =  (
    pd.merge(df_1, df_2, how="outer", on=["ID1", "ID2"], suffixes=("_1", "_2"))
        .set_index(["ID1", "ID2"]).sort_index(axis=1)
)
            
cmp["Status"] = (
    np.where(
        (cmp.filter(like="_1").to_numpy() == cmp.filter(like="_2").to_numpy())
            .all(axis=1), "Pass", "Fail")
)

#or, use your approach
#cmp["Status"] = cmp.apply(lambda x: "Pass" if x[0]==x[1] else "Fail", axis=1)

cmp = cmp.reset_index()

输出：

print(cmp)

  ID1 ID2  Lang_1  Lang_2  ...  Science_2  Wiritng_1  Wiritng_2  Status
0   1   1      77      80  ...         50         78         56    Fail
1   2   1      79      78  ...         60         82         66    Fail
2   3   4      77      76  ...         85         88         90    Fail
3   3   5      72      90  ...         90         78         82    Fail
4   5   1      90      77  ...         66         86         60    Fail
5   5   2      92      66  ...         82         82         80    Fail

更新：

• 以下是我想介绍的两个场景：*

如果df1的主键存在于df2中

• a）如果两个相邻单元格都匹配，则应该用绿色突出显示
• B）如果两个相邻单元格不匹配，则应使用红色突出显示
• c）如果任何单元格为空白，则为黄色

如果df1的主键不存在于df2中：

• 除主键外，整行应使用黄色突出显示。

cmp =  (
    pd.merge(df_1, df_2, how="outer", on=["ID1", "ID2"],
             suffixes=("_1", "_2"), indicator=True)
        .set_index(["ID1", "ID2"]).sort_index(axis=1).reset_index()
)

is_match = cmp.pop("_merge").eq("both")

def color_match(df):
    tmp = df.set_index(["ID1", "ID2"]).reset_index(drop=True)
    l = tmp.eq(tmp.shift(-1, axis=1)).mul(is_match, axis=0)
    r = tmp.eq(tmp.shift(+1, axis=1)).mul(is_match, axis=0)
    
    pairs = l.add(r).replace(
        {True: "background-color: lightgreen",
         False: "background-color: lightcoral"})
        
    ids = pd.DataFrame(
        "", columns=cmp[["ID1", "ID2"]].columns,
        index=cmp[["ID1", "ID2"]].index)

    return pd.concat([ids, pairs], axis=1)

def color_diff(_):
    return np.where(~is_match, "background-color: yellow", "")

pd.set_option("styler.format.precision", 0)
(
    cmp.style.apply(color_match, axis=None)
     .apply(color_diff, axis=0, subset=cmp.iloc[:, 2:].columns)
     .highlight_null(color="yellow")
     # .to_excel("output.xlsx", index=False) #uncomment to make a spreadsheet
)