Question

我正在编写一些单元测试，但是当数据帧在各方面都相同时，它会一直失败。经过一番调查，我发现了

a.equals( a[ a.columns ] )

为false，其中a是我手动创建的数据帧。有什么理由呢？

编辑：我发现这个问题与使用混合类型列表创建df有关：

a = pd.DataFrame( [['a',1],['b',2]] )

即使列表是混合的，列的dtypes也是正确的。

Answer 1

我认为你可以使用pd.util.testing.assert_frame_equal()方法：

In [15]: help(pd.util.testing.assert_frame_equal)
Help on function assert_frame_equal in module pandas.util.testing:

assert_frame_equal(left, right, check_dtype=True, check_index_type='equiv', check_column_type='equiv', check_frame_type=True, check_less_precise
False, check_names=True, by_blocks=False, check_exact=False, check_datetimelike_compat=False, check_like=False, obj='DataFrame')
    Check that left and right DataFrame are equal.

    Parameters
    ----------
    left : DataFrame
    right : DataFrame
    check_dtype : bool, default True
        Whether to check the DataFrame dtype is identical.
    check_index_type : bool / string {'equiv'}, default False
        Whether to check the Index class, dtype and inferred_type
        are identical.
    check_column_type : bool / string {'equiv'}, default False
        Whether to check the columns class, dtype and inferred_type
        are identical.
    check_frame_type : bool, default False
        Whether to check the DataFrame class is identical.
    check_less_precise : bool, default False
        Specify comparison precision. Only used when check_exact is False.
        5 digits (False) or 3 digits (True) after decimal points are compared.
    check_names : bool, default True
        Whether to check the Index names attribute.
    by_blocks : bool, default False
        Specify how to compare internal data. If False, compare by columns.
        If True, compare by blocks.
    check_exact : bool, default False
        Whether to compare number exactly.
    check_dateteimelike_compat : bool, default False
        Compare datetime-like which is comparable ignoring dtype.
    check_like : bool, default False
        If true, then reindex_like operands
    obj : str, default 'DataFrame'
        Specify object name being compared, internally used to show appropriate
        assertion message

如果你想要1.0 == 1，请使用check_dtype=False，因为在这种情况下，由于不同的dtypes，此方法将返回False

Answer 2

DataFrame列类型不一样。

a = pd.DataFrame( [['a',1],['b',2]] )
print type(a[ a.columns ].columns)
print type(a.columns)

<class 'pandas.indexes.numeric.Int64Index'>
<class 'pandas.indexes.range.RangeIndex'>

此外

print type(a[ a.columns ].columns[0])
print type(a.columns[0])

<type 'numpy.int64'>
<type 'int'>

最好确保列类型相同。

大熊猫等于神秘的行为

2 个答案: