Python 数据帧如何显示相同但失败相等（）？

为了确认我了解Pandas

df.groupby（）

和

df.reset\u index（）

所做的事情，我尝试从数据帧到相同数据的分组版本进行往返。往返之后，列和行必须再次排序，因为

groupby（）

会影响行顺序，

reset\u index（）

会影响列顺序，但在两次快速操作以恢复列和索引顺序后，数据帧看起来是相同的：

• 相同的列名列表
• 每个列的数据类型相同
• 相应的索引值严格相等
• 相应的数据值严格相等

然而，在所有这些检查成功后，

df1.equals（df5）

返回惊人的值

False

这些数据帧之间的区别是

equals（）

揭示了我还没有弄清楚如何检查自己

测试代码：

csv_text = """\
Title,Year,Director
North by Northwest,1959,Alfred Hitchcock
Notorious,1946,Alfred Hitchcock
The Philadelphia Story,1940,George Cukor
To Catch a Thief,1955,Alfred Hitchcock
His Girl Friday,1940,Howard Hawks
"""

import pandas as pd

df1 = pd.read_csv('sample.csv')
df1.columns = map(str.lower, df1.columns)
print(df1)

df2 = df1.groupby(['director', df1.index]).first()
df3 = df2.reset_index('director')
df4 = df3[['title', 'year', 'director']]
df5 = df4.sort_index()
print(df5)

print()
print(repr(df1.columns))
print(repr(df5.columns))
print()
print(df1.dtypes)
print(df5.dtypes)
print()
print(df1 == df5)
print()
print(df1.index == df5.index)
print()
print(df1.equals(df5))

运行脚本时收到的输出为：

                    title  year          director
0      North by Northwest  1959  Alfred Hitchcock
1               Notorious  1946  Alfred Hitchcock
2  The Philadelphia Story  1940      George Cukor
3        To Catch a Thief  1955  Alfred Hitchcock
4         His Girl Friday  1940      Howard Hawks
                    title  year          director
0      North by Northwest  1959  Alfred Hitchcock
1               Notorious  1946  Alfred Hitchcock
2  The Philadelphia Story  1940      George Cukor
3        To Catch a Thief  1955  Alfred Hitchcock
4         His Girl Friday  1940      Howard Hawks

Index(['title', 'year', 'director'], dtype='object')
Index(['title', 'year', 'director'], dtype='object')

title       object
year         int64
director    object
dtype: object
title       object
year         int64
director    object
dtype: object

  title  year director
0  True  True     True
1  True  True     True
2  True  True     True
3  True  True     True
4  True  True     True

[ True  True  True  True  True]

False

---

谢谢你的帮助

这对我来说像是一个bug，但可能只是我误解了什么。这些块按不同的顺序列出：

>>> df1._data
BlockManager
Items: Index(['title', 'year', 'director'], dtype='object')
Axis 1: Int64Index([0, 1, 2, 3, 4], dtype='int64')
IntBlock: slice(1, 2, 1), 1 x 5, dtype: int64
ObjectBlock: slice(0, 4, 2), 2 x 5, dtype: object
>>> df5._data
BlockManager
Items: Index(['title', 'year', 'director'], dtype='object')
Axis 1: Int64Index([0, 1, 2, 3, 4], dtype='int64')
ObjectBlock: slice(0, 4, 2), 2 x 5, dtype: object
IntBlock: slice(1, 2, 1), 1 x 5, dtype: int64

在

core/internals.py

中，我们有

BlockManager

方法

def equals(self, other):
    self_axes, other_axes = self.axes, other.axes
    if len(self_axes) != len(other_axes):
        return False
    if not all (ax1.equals(ax2) for ax1, ax2 in zip(self_axes, other_axes)):
        return False
    self._consolidate_inplace()
    other._consolidate_inplace()
    return all(block.equals(oblock) for block, oblock in
               zip(self.blocks, other.blocks))

最后一个

all

假设

self

和

other

中的块对应。但是如果我们在它前面添加一些

print

调用，我们会看到：

>>> df1.equals(df5)
blocks self: (IntBlock: slice(1, 2, 1), 1 x 5, dtype: int64, ObjectBlock: slice(0, 4, 2), 2 x 5, dtype: object)
blocks other: (ObjectBlock: slice(0, 4, 2), 2 x 5, dtype: object, IntBlock: slice(1, 2, 1), 1 x 5, dtype: int64)
False

---

所以我们在比较错误的东西。我不确定这是否是一个bug的原因是因为我不确定

equals

是否应该如此挑剔。如果是这样的话，我认为至少存在一个文档错误，因为

equals

应该大声说，它不应该用于您可能认为来自名称和文档字符串的内容。

另一种检查方法是使用

pandas.util.testing.assert\u frame\u equal

。这可能会给你一个关于熊猫认为什么是不同的报告。好主意！我试过了。如果其参数是

assert\u frame\u equal（df1，df5）

作为上述脚本中的最后一行，则不会引发异常。因此，它似乎认为它们是相等的，即使

.equals（）

不相等。你能对此提出问题吗？最初在这里报道：；块排序是一种impl细节atm。为了使这一点保持一致，在问题的结尾有一些选择。谢谢大家！我已将此示例代码附加到问题中，以警告他们这不是特定于HDF的，但可能会影响任何人。