pandas.Series.equals#
- Series.equals(other)[源代码]#
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。位于相同位置的NAN被视为平等。
行/列索引不需要具有相同的类型，只要这些值被认为是相等的。对应的列必须具有相同的数据类型。
- 参数
- other系列或DataFrame
要与第一个序列或DataFrame进行比较的另一个序列或数据帧。
- 退货
- 布尔尔
如果两个对象中的所有元素都相同，则为True，否则为False。
参见
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比较相同形状的两个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，否则为False。
testing.assert_series_equal如果Left和Right不相等，则引发AssertionError。提供了一个简单的界面，可以忽略数据类型、索引和精度等方面的不平等。
testing.assert_frame_equal与ASSERT_SELECTION_EQUAL类似，但以DataFrames为目标。
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。
示例
>>> df = pd.DataFrame({1: [10], 2: [20]}) >>> df 1 2 0 10 20
DataFrames DF和Just_Equity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
DataFrames 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，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对于其元素的相同值具有不同的类型，并且将返回FALSE，即使它们的列标签是相同的值和类型。
>>> 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