【Pandas】pandas DataFrame equals

Pandas2.2 DataFrame

Reindexing selection label manipulation

方法	描述
DataFrame.add_prefix(prefix $, axis$ )	用于在 DataFrame 的行标签或列标签前添加指定前缀的方法
DataFrame.add_suffix(suffix $, axis$ )	用于在 DataFrame 的行标签或列标签后添加指定后缀的方法
DataFrame.align(other $, join, axis, level, ...$ )	用于对齐两个 `DataFrame` 或 `Series` 的方法
DataFrame.at_time(time $, asof, axis$ )	用于筛选特定时间点的行的方法
DataFrame.between_time(start_time, end_time)	用于筛选指定时间范围内的数据行的方法
DataFrame.drop( $labels, axis, index, ...$ )	用于从 `DataFrame` 中删除指定行或列的方法
DataFrame.drop_duplicates( $subset, keep, ...$ )	用于删除重复行的方法
DataFrame.duplicated( $subset, keep$ )	用于检测重复行的方法
DataFrame.equals(other)	用于比较两个 `DataFrame` 是否完全相等的方法

pandas.DataFrame.equals()

pandas.DataFrame.equals(other) 是用于比较两个 DataFrame 是否完全相等的方法。它会逐个检查索引、列名以及每个元素的值是否一致，适用于数据验证和测试场景。

📌 方法签名

python 复制代码

DataFrame.equals(other)

🔧 参数说明：

参数	类型	说明
`other`	`DataFrame` 或其他对象	要比较的对象，如果不是 `DataFrame`，直接返回 `False`

✅ 返回值：

bool：如果两个 DataFrame 完全相同（包括索引、列顺序、值、数据类型），则返回 True；否则返回 False。

🧪 示例代码：

示例 1：两个完全相同的 DataFrame

python 复制代码

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}, index=['x', 'y'])
df2 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}, index=['x', 'y'])

print("df1.equals(df2):", df1.equals(df2))

输出结果：

复制代码

df1.equals(df2): True

示例 2：列顺序不同

python 复制代码

df3 = pd.DataFrame({'B': [3, 4], 'A': [1, 2]}, index=['x', 'y'])

print("df1.equals(df3):", df1.equals(df3))

输出结果：

复制代码

df1.equals(df3): False

示例 3：索引不同

python 复制代码

df4 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}, index=['a', 'b'])

print("df1.equals(df4):", df1.equals(df4))

输出结果：

复制代码

df1.equals(df4): False

示例 4：数据类型不同但值相同

python 复制代码

df5 = pd.DataFrame({'A': [1.0, 2.0], 'B': [3.0, 4.0]}, index=['x', 'y'])

print("df1.equals(df5):", df1.equals(df5))

输出结果：

复制代码

df1.equals(df5): False

即使数值上相等，但由于 df1 中是整数类型而 df5 是浮点类型，所以不认为相等。

示例 5：包含 NaN 的比较

python 复制代码

df6 = pd.DataFrame({'A': [1, None], 'B': [None, 4]}, index=['x', 'y'])
df7 = pd.DataFrame({'A': [1, None], 'B': [None, 4]}, index=['x', 'y'])

print("df6.equals(df7):", df6.equals(df7))

输出结果：

复制代码

df6.equals(df7): True

NaN 值在对应位置也视为相等。

🧠 应用场景：

测试脚本中验证数据处理流程是否正确；
数据版本控制或快照对比；
检查两个来源的数据是否一致；
确保数据转换前后未发生意外更改。

⚠️ 注意事项：

必须结构和内容完全一致 才返回 True；
包括索引顺序、列顺序、数据类型、NaN 位置等；
不推荐用于大规模数据比较，效率较低；
对比时不会自动忽略行/列顺序差异。