为什么熊猫'=='不同于'.eq（）'
考虑系列s
s = pd.Series([(1, 2), (3, 4), (5, 6)])
这是预期的
s == (3, 4)
0 False
1 True
2 False
dtype: bool
这不是
s.eq((3, 4))
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
ValueError: Lengths must be equal
我假设他们是一样的。 他们有什么区别？
文件说什么？
相当于系列==其他，但支持用其中一个输入中的缺失数据替换fill_value。
这似乎意味着他们应该同样工作，因此造成混乱。
你遇到的实际上是一个特殊情况，它使得比较pandas.Series或numpy.ndarray与普通的python结构更容易。 源代码如下：
def flex_wrapper(self, other, level=None, fill_value=None, axis=0):
# validate axis
if axis is not None:
self._get_axis_number(axis)
if isinstance(other, ABCSeries):
return self._binop(other, op, level=level, fill_value=fill_value)
elif isinstance(other, (np.ndarray, list, tuple)):
if len(other) != len(self):
# ---------------------------------------
# you never reach the `==` path because you get into this.
# ---------------------------------------
raise ValueError('Lengths must be equal')
return self._binop(self._constructor(other, self.index), op,
level=level, fill_value=fill_value)
else:
if fill_value is not None:
self = self.fillna(fill_value)
return self._constructor(op(self, other),
self.index).__finalize__(self)
由于熊猫假定.eq的值是转换为numpy.ndarray或pandas.Series （如果您给它一个数组，列表或元组），而不是实际将其与tuple进行比较，所以您正在击中ValueError 。 例如，如果你有：
s = pd.Series([1,2,3])
s.eq([1,2,3])
你不希望它将每个元素与[1,2,3]进行比较。
问题在于object数组（与dtype=uint ）经常会穿过裂缝或被故意忽略。 一个简单的if self.dtype != 'object'分支可以解决这个问题。 但也许开发商有充分的理由让这个案例变得不同。 我建议通过张贴在他们的bug跟踪器上来要求澄清。
你没有问过你如何使它正常工作，但为了完整性，我将包括一种可能性（根据源代码，你可能需要将它包装为pandas.Series自己）：
>>> s.eq(pd.Series([(1, 2)]))
0 True
1 False
2 False
dtype: bool
==是一个元素明智的比较，它产生一个真值的向量，而.eq是一个“那两个迭代是相等的”，对于它来说，长度是相同的。 Ayhan指出了一个例外：当你使用.eq(scalar value)比较一个pandas矢量类型时，标量值只是广播到一个相同大小的矢量进行比较。