Pandas知识点-equals()与==的区别-技术圈

在Pandas中，equals()方法用于验证数据是否等效。

验证等效性需要进行比较，上一篇文章介绍了比较操作。比较操作参考：Pandas知识点-比较操作

==和eq()方法可以用于比较Pandas中的数据，那equals()和它们有什么区别呢？本文会进行介绍。

一、返回值不同

equals()方法的返回值是一个布尔值。如果两个被比较数据中的所有元素都相同，则equals()返回True，否则返回False。

==比较两个DataFrame时，结果是一个由布尔值构成的DataFrame，比较两个Series时，结果是一个由布尔值构成的Series。

equals()的返回值相当于用numpy中的all()函数对==的结果再做一次判断。

不过，因为equals()和==的内部判断是有差异的，所以equals()与np.all(df1==df2)并不完全等价，可以继续看下面的介绍。

二、索引值对结果的影响不同

equals()比较两个DataFrame或Series，索引值相等的列或行可以进行比较，如索引1和1.0分别是整数和浮点数，但值是相等的，对应的行或列可以进行比较。

==比较两个DataFrame或Series，索引值相等时也可以进行比较，不过结果的索引会有变化，取决于比较的顺序。具体来说，比较结果的索引与==左边的DataFrame或Series相同。而使用eq()方法时，比较结果的索引与调用eq()的DataFrame或Series相同。

三、对空值的判断结果不同

equals()比较时，DataFrame或Series中的空值可以判断为相等。具体来说，两个np.NaN，两个None，两个pd.NaT，np.NaN与None这四种情况的比较结果都是相等的。而pd.NaT与np.NaN和None的比较结果为不相等。

==比较时，空值的比较结果都是不相等。

从Python解释器层面来判断，两个np.NaN和两个pd.NaT的比较结果都不相等，所以用==比较时，DataFrame中对应位置的结果为False。两个None的比较结果虽然相等，但因为在的DataFrame中None表示的是np.NaN，所以比较结果也为False。np.NaN和None比较也一样，结果为False。这也是前面说equals()与np.all(df1==df2)不完全等价的原因。

在判断两个DataFrame或Series是否等效时，空值对我们来说都是一样的。我们期望的结果是将空值判断为相等，这样可以避免空值对其他数据比较结果的干扰。equals()用于判断两个数据是否等效，刚好可以用于这样的场景。当然，也可以先将空值替换成其他值后再比较，那就是另一种方式了。

四、与array的比较不同

equals()比较DataFrame和array时，即使DataFrame与array的形状相同，数据也完全相同，比较结果也是False。原因是array没有索引，而equals()支持传入的参数是DataFrame或Series，不支持array。

==可以将DataFrame与array进行比较，比较结果为DataFrame。

以上就是Pandas中equals()与==的区别介绍，如果需要本文代码，可以点击关注公众号“Python碎片”，然后在后台回复“pandas11”关键字获取完整代码。