pandas.DataFrame.equals的古怪行为

Question

我注意到了一件古怪的事情。假设A和B是数据帧。

A是：

A
   a  b  c
0  x  1  a
1  y  2  b
2  z  3  c
3  w  4  d

B是：

B
   a  b  c
0  1  x  a
1  2  y  b
2  3  z  c
3  4  w  d

如上所述，a和A中B列下的元素是不同的，但是A.equals(B)会产生True

A==B正确显示元素不相等：

A==B
       a      b     c
0  False  False  True
1  False  False  True
2  False  False  True
3  False  False  True

问题：有人可以解释为什么.equals()产生True吗？另外，我还在SO上研究了该主题。根据{{​​3}}，Pandas必须返回False。我将不胜感激。

我是一个初学者，因此，感谢您的帮助。

---

这里是json格式，而._data是A和B

A

`A.to_json()`
Out[114]: '{"a":{"0":"x","1":"y","2":"z","3":"w"},"b":{"0":1,"1":2,"2":3,"3":4},"c":{"0":"a","1":"b","2":"c","3":"d"}}'

和A._data是

BlockManager
Items: Index(['a', 'b', 'c'], dtype='object')
Axis 1: RangeIndex(start=0, stop=4, step=1)
IntBlock: slice(1, 2, 1), 1 x 4, dtype: int64
ObjectBlock: slice(0, 4, 2), 2 x 4, dtype: object

B

B的json格式：

B.to_json()
'{"a":{"0":1,"1":2,"2":3,"3":4},"b":{"0":"x","1":"y","2":"z","3":"w"},"c":{"0":"a","1":"b","2":"c","3":"d"}}'


B._data
BlockManager
Items: Index(['a', 'b', 'c'], dtype='object')
Axis 1: RangeIndex(start=0, stop=4, step=1)
IntBlock: slice(0, 1, 1), 1 x 4, dtype: int64
ObjectBlock: slice(1, 3, 1), 2 x 4, dtype: object

Answer 1

除了sacul和U9-Forward的答案之外，我已经进行了一些进一步的分析，似乎您看到True而不是False的原因与您预期的有关docs的这一行：

  

此功能要求元素与其他Series或DataFrame中的元素具有相同的dtype。

使用上述数据框，当我运行df.equals()时，将返回以下内容：

>>> A.equals(B)
Out: True
>>> B.equals(C)
Out: False

这两个与其他答案说的一致：A和B的形状相同，具有相同的元素，因此它们也相同。尽管B和C的形状相同，但是元素不同，所以它们并不相同。

另一方面：

>>> A.equals(D)
Out: False

此处A和D具有相同的形状和相同的元素。但是他们仍然在返回错误。这种情况与上述情况之间的区别在于，比较中的所有dtypes都匹配，正如上面的文档所引用的那样。 A和D都具有dtypes：str，int，str。

Answer 2

来自docs：

  

确定两个NDFrame对象是否包含相同的元素。相同位置的NaN被认为是相等的。

确定两个NDFrame对象是否包含相同的元素 ！!!!

项（不包括列

）

这就是为什么返回True

如果您希望它返回false并检查列，请执行以下操作：

print((A==B).all().all())

输出：

False

Answer 3

就像您在问题中链接的答案一样，pandas.DataFrame.equals的行为基本上类似于numpy.array_equal。 np.array_equal的文档指出它返回：

  

如果两个数组具有相同的形状和元素，则为真，否则为False。

您的2个数据框都满足。