pandas.DataFrame.equals的合同
我有一个函数的简单测试用例，它返回一个可能包含NaN的df。 我正在测试产量和预期产量是否相等。
>>> output
Out[1]:
r t ts tt ttct
0 2048 30 0 90 1
1 4096 90 1 30 1
2 0 70 2 65 1
[3 rows x 5 columns]
>>> expected
Out[2]:
r t ts tt ttct
0 2048 30 0 90 1
1 4096 90 1 30 1
2 0 70 2 65 1
[3 rows x 5 columns]
>>> output == expected
Out[3]:
r t ts tt ttct
0 True True True True True
1 True True True True True
2 True True True True True
但是，我不能简单地依靠==运算符，因为NaN。 我的印象是，解决这个问题的恰当方法是使用equals方法。 从文档：
pandas.DataFrame.equals
DataFrame.equals(other)
Determines if two NDFrame objects contain the same elements. NaNs in the same location are considered equal.
但是：
>>> expected.equals(log_events)
Out[4]: False
稍微挖一下就会发现帧中的差异：
>>> output._data
Out[5]:
BlockManager
Items: Index([u'r', u't', u'ts', u'tt', u'ttct'], dtype='object')
Axis 1: Int64Index([0, 1, 2], dtype='int64')
FloatBlock: [r], 1 x 3, dtype: float64
IntBlock: [t, ts, tt, ttct], 4 x 3, dtype: int64
>>> expected._data
Out[6]:
BlockManager
Items: Index([u'r', u't', u'ts', u'tt', u'ttct'], dtype='object')
Axis 1: Int64Index([0, 1, 2], dtype='int64')
IntBlock: [r, t, ts, tt, ttct], 5 x 3, dtype: int64
强制输出float块为int，或强制所需的int块浮动，并通过测试。
显然，有不同的平等意义， DataFrame.equals执行的测试在某些情况下可能会有用。 尽管如此， ==和DataFrame.equals之间的差距令我感到沮丧，似乎是一种不一致。 在伪代码中，我期望它的行为匹配：
(self.index == other.index).all()
and (self.columns == other.columns).all()
and (self.values.fillna(SOME_MAGICAL_VALUE) == other.values.fillna(SOME_MAGICAL_VALUE)).all().all()
但是，它没有。 我的想法是错的吗？还是这是Pandas API中的不一致？ 此外，鉴于NaN可能存在，我应该为我的目的进行哪些测试？
.equals()完成它所说的。 它测试元素间的精确相等，nans（和NaTs）的定位，dtype相等和索引相等。 可以认为这是因为df is df2类型的测试，但它们不必实际上是相同的对象，IOW， df.equals(df.copy())始终为真。
你的例子失败，因为不同的dtypes不相等（尽管它们可能是等价的）。 所以你可以使用com.array_equivalent ，或者(df == df2).all().all()如果你没有nans 。
这是对np.array_equal的替换，对于nan位置检测（和对象dtypes）， np.array_equal被打破。
它主要用于内部。 这就是说，如果你喜欢增强等价性（例如元素在== sense和nan位置匹配中是等价的），请在github上打开一个问题。 （甚至更好地提交PR！）