Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.equals方法的使用。

DataFrame.equal(self,other) [源代码]

测试两个对象是否包含相同的元素。

此功能允许将两个Series或DataFrame相互比较,以查看它们是否具有相同的形状和元素。相同位置的NaN被认为是相等的。列标题不必具有相同的类型,但是列中的元素必须具有相同的dtype。

参数

other :Series或DataFrame

其他Series或DataFrame与第一个进行比较。

返回:

bool

如果两个对象中的所有元素都相同,则为True,否则为False。

Notes

此功能要求元素与其他Series或DataFrame中的元素具有相同的dtype。但是,列标签不必具有相同的类型,只要它们仍被视为相等即可。

例子

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

DataFrames df和fully_equal的元素和列标签具有相同的类型和值,它们将返回True

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

DataFrames df和different_column_type具有相同的元素类型和值,但列标签具有不同的类型,这些列标签仍将返回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

DataFrames df和different_data_type的元素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,它们也将返回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

推荐文档

相关文档

大家感兴趣的内容

随机列表