首先，awswrangler和boto3都是Python中的AWS SDK，它们都提供了对AWS服务的访问和管理。然而，在使用它们时有一些不同之处：

1. awswrangler主要是用于处理Pandas DataFrame的AWS数据，它的API是基于DataFrame的语法和功能设计的，比如它可以将DataFrame直接写入S3或Redshift中。而boto3则提供了比awswrangler更为全面和底层的AWS API，可以直接调用AWS原生服务的API。

2. awswrangler对AWS Glue和Athena有更好的支持，可以方便地进行ETL和数据分析，而boto3则主要用于管理AWS上的资源和服务。

下面是一些基于awswrangler的示例代码：

• 使用awswrangler将DataFrame写入S3：

import awswrangler as wr
import pandas as pd

df = pd.DataFrame({'column1': [1, 2, 3], 'column2': ['a', 'b', 'c']})

wr.s3.to_csv(df, 's3://bucket/key.csv')

• 使用awswrangler从S3读取DataFrame：

df = wr.s3.read_csv('s3://bucket/key.csv')

print(df)

下面是一些基于boto3的示例代码：

• 使用boto3创建S3 bucket：

import boto3

client = boto3.client('s3')
client.create_bucket(Bucket='my-bucket')

• 使用boto3上传文件到S3：

import boto3

s3 = boto3.resource('s3')
bucket = s3.Bucket('my-bucket')
bucket.upload_file('local-file', 'remote-file')

综上所述，awswrangler和boto3都是非常强大的AWS SDK，可以根据具体的需求选择使用哪个库。