Pandas数据帧如何看起来完全相同，但失败的是equals（）？

Question

为了确认我理解Pandas df.groupby()和df.reset_index()做了什么，我尝试从一个数据帧到同一数据的分组版本，然后返回。往返之后，必须再次对列和行进行排序，因为groupby()影响行顺序，reset_index()影响列顺序，但是在两次快速操作后，将列和索引恢复到原来的顺序后，数据帧看起来是相同的：

• 相同的列名列表。在
• 每个列都有相同的数据类型。在
• 相应的指标值严格相等。在
• 相应的数据值严格相等。在

然而，在所有这些检查成功之后，df1.equals(df5)返回惊人的值False。在

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？在

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是：

^{pr2}$

谢谢你的帮助！在

Answer 1

这对我来说是一个错误，但可能只是我误解了什么。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

^{pr2}$

最后一个all假设self和other中的块对应。但是如果我们在它之前添加一些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是因为我不确定equals是否意味着如此挑剔。如果是这样的话，我认为至少有一个doc错误，因为equals应该大声说它并不是用于您可能认为的名称和docstring中的内容。在