pandas.Series.equals #

系列。等于其他[来源] #

测试两个对象是否包含相同的元素。

此函数允许将两个 Series 或 DataFrame 相互比较,以查看它们是否具有相同的形状和元素。同一位置的 NaN 被认为是相等的。

行/列索引不需要具有相同的类型,只要认为值相等即可。相应的列和索引必须具有相同的数据类型。

参数
其他系列或数据框

要与第一个进行比较的其他系列或数据帧。

返回
布尔值

如果两个对象中的所有元素都相同,则为 True,否则为 False。

也可以看看

Series.eq

比较两个相同长度的 Series 对象,并返回一个 Series,其中如果每个 Series 中的元素相等,则每个元素为 True,否则返回 False。

DataFrame.eq

比较两个相同形状的 DataFrame 对象,并返回一个 DataFrame,其中如果每个 DataFrame 中的相应元素相等,则每个元素为 True,否则返回 False。

testing.assert_series_equal

如果 left 和 right 不相等,则引发断言错误。提供一个简单的界面来忽略数据类型、索引和精度等方面的不平等。

testing.assert_frame_equal

与assert_series_equal类似,但针对DataFrame。

numpy.array_equal

如果两个数组具有相同的形状和元素,则返回 True,否则返回 False。

例子

>>> df = pd.DataFrame({1: [10], 2: [20]})
>>> df
    1   2
0  10  20

DataFrame df 和exact_equal 的元素和列标签具有相同的类型和值,这将返回True。

>>> exactly_equal = pd.DataFrame({1: [10], 2: [20]})
>>> exactly_equal
    1   2
0  10  20
>>> df.equals(exactly_equal)
True

DataFrame df 和 different_column_type 具有相同的元素类型和值,但列标签的类型不同,仍将返回 True。

>>> different_column_type = pd.DataFrame({1.0: [10], 2.0: [20]})
>>> different_column_type
   1.0  2.0
0   10   20
>>> df.equals(different_column_type)
True

DataFrame df 和 different_data_type 对于其元素的相同值具有不同的类型,即使它们的列标签具有相同的值和类型,也会返回 False。

>>> different_data_type = pd.DataFrame({1: [10.0], 2: [20.0]})
>>> different_data_type
      1     2
0  10.0  20.0
>>> df.equals(different_data_type)
False