pandas 等于神秘的行为 [英] pandas equals mysterious behavior

问题描述

我正在编写一些单元测试，但是当数据帧在各方面相同时，它都会失败。经过一番调查，我发现

  a.equals（a [a.columns]）
  

是false，其中a是我手动创建的数据帧。为什么会有这样的原因？

编辑：
我发现问题与使用混合类型列表创建df相关：

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

即使列表混合，列的dtypes也是正确的。

解决方案

我想你可以使用 pd.util.testing.assert_frame_equal（）方法：

 在[15]中：help（pd.util.testing.assert_frame_equal）
帮助函数assert_frame_equal在模块pandas.util.testing中：
 
 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'）
检查左右DataFrame是否相等。 
 
参数
 ---------- 
 left：DataFrame 
 right：DataFrame 
 check_dtype：bool，default True 
是否检查DataFrame dtype是否相同。 
 check_index_type：bool / string {'equiv'}，default False 
是否检查Index类，dtype和inferred_type 
是相同的。 
 check_column_type：bool / string {'equiv'}，default False 
是否检查列类，dtype和inferred_type 
是相同的。 
 check_frame_type：bool，default False 
是否检查DataFrame类是否相同。 
 check_less_precise：bool，default False 
指定比较精度。仅在check_exact为False时使用。比较小数点后，
 5位数（False）或3位数（True）。 
 check_names：bool，default True 
是否检查Index names属性。 
 by_blocks：bool，default False 
指定如何比较内部数据。如果为False，则按列进行比较。 
如果为True，请按块进行比较。 
 check_exact：bool，default False 
是否正确比较数字。 
 check_dateteimelike_compat：bool，default False 
比较datetime-类似的，忽略dtype。 
 check_like：bool，default False 
如果为true，那么reindex_like操作数
 obj：str，默认'DataFrame'
指定正在比较的对象名称，内部用于显示相应的
断言消息
  

使用 check_dtype = False if你想要这个1.0 == 1，因为这种方法会在这种情况下返回False，因为不同的dtypes

I'm writing some unit tests, but it keeps failing when the dataframes are equal in every regard. After some investigating, I found that

a.equals( a[ a.columns ] )

is false, where a is the dataframe I've manually created. What reason could there be for that?

edit: I figured out that the issue is related to creating the df with a mixed type list:

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

Even though the list is mixed, the dtypes for the columns are correct.

解决方案

I think you can use pd.util.testing.assert_frame_equal() method:

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

Use check_dtype=False if you want that 1.0 == 1, because this method will return False in this case because of different dtypes

这篇关于 pandas 等于神秘的行为的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！