Python 为什么在比较两个数据帧时会得到不同的结果？

我正在比较两个df，当使用

.equals（）

时，它会给我

False

，但如果我将两个df附加在一起并使用

drop\u duplicate（）

它不会给我任何信息。有人能解释一下吗？

也许两个数据帧中的行顺序不一样？当对应于相同索引的行相同时，数据帧将相等

TL；博士 这些是完全不同的操作，我从来没有想到它们会产生相同的结果

pandas.DataFrame.equals

将根据Pandas是否确定要比较的数据帧为“相同”返回布尔值。这意味着一个的索引与另一个的索引“相同”，一个的列与另一个的列“相同”，一个的数据与另一个的数据“相同”

看

它与将返回布尔值的数据帧的熊猫.DataFrame.eq不同

安装程序 考虑这三个数据帧

df0 = pd.DataFrame([[0, 1], [2, 3]], [0, 1], ['A', 'B'])
df1 = pd.DataFrame([[1, 0], [3, 2]], [0, 1], ['B', 'A'])
df2 = pd.DataFrame([[0, 1], [2, 3]], ['foo', 'bar'], ['A', 'B'])

df0              df1              df2      

   A  B             B  A               A  B
0  0  1          0  1  0          foo  0  1
1  2  3          1  3  2          bar  2  3

如果我们检查

df1

是否

等于
df0
，我们得到

df0.equals(df1)

False

即使所有元素都是相同的

df0.eq(df1).all().all()

True

这是因为列没有对齐。如果我对列进行排序，那么

df0.equals(df1.sort_index(axis=1))

True


pandas.DataFrame.drop\u重复项
比较行中的值，而不关心索引

因此，这两种方法产生相同的结果

df0.append(df2).drop_duplicates()

及

当I
append
（或
pandas.concat
）时，pandas将对齐列并将追加的数据框添加为新行。然后
drop\u duplicates
做这件事。但是，正是这些列的内在对齐使得我在上面使用
sort\u index
和
axis=1
所做的事情变得如此，难道“False”不意味着这两个数据集中没有重复的数据吗？因此，“drop_duplicate（）”将不返回任何内容。您需要提供一个。我可以保证
.drop\u duplicates（）
不应返回空数据帧，除非您从空数据帧开始，或者指定
keep=False
这个问题太广泛了。是的，我使用了'keep=False'，只剩下列索引，不确定我是否做对了，晚餐后，我将尝试获取一个最小的可复制示例。@pyseek我认为“.equals（）”中的“False”表示不同，而“True”表示两个文件是相同的，这一点非常清楚，唯一的问题是“drop.duplicates”的结果给了我重复的行，但我想找出两个df之间的差异（根据索引，即ID），这意味着如果它们是相同的，我想要一个空白的输出，如果有不同的，我想要看到差异，另一件事是我的数据非常混乱，每行一列包含不同的变量，这使得比较困难。更新，我发现了问题，EXCEL&csv自动将一些数字四舍五入，这样代码就无法发现差异，我已经修复了它。现在，在使用drop_duplicates（）之后，它给了我有差异的行，但没有告诉我哪个列或哪个值不同，有什么方法可以做到这一点吗？（我有500个专栏，目前我只是手动查找差异）我建议发布一个新问题，询问如何识别差异所在。
df0.append(df1, sort=True).drop_duplicates()

   A  B
0  0  1
1  2  3