ความเท่าเทียมกันของ Pandas DataFrame - การกำหนดหมายเลขดัชนี

คุณสามารถใช้ np.array_equal เพื่อตรวจสอบค่าได้ อย่างไรก็ตาม การเรียงลำดับมีความสำคัญ ดังนั้นในตัวอย่างของคุณ คุณจะต้องเรียงลำดับตามดัชนีก่อน

In [11]: df1
Out[11]:
    A   B
0  87  54
1  87  75
2  87  22
3  87  69

In [12]: df2
Out[12]:
      A   B
418  87  69
107  87  54
108  87  75
250  87  22

In [13]: df3 = df2.sort()

In [14]: df3
Out[14]:
      A   B
107  87  54
108  87  75
250  87  22
418  87  69

In [15]: np.array_equal(df1, df3)
Out[15]: True

หมายเหตุ: คุณไม่สามารถเปรียบเทียบ df1 และ df2 ได้เนื่องจากมีดัชนีต่างกัน:

In [21]: df1 == df2
ValueError: Can only compare identically-labeled DataFrame object

คุณสามารถรีเซ็ตดัชนีได้ แต่โปรดทราบว่าอาจมีข้อยกเว้นเกิดขึ้นได้ด้วยเหตุผลดังกล่าว:

In [22]: df3.reset_index(drop=True)
Out[22]:
    A   B
0  87  54
1  87  75
2  87  22
3  87  69

In [23]: np.all(df1 == df3.reset_index(drop=True))
Out[23]: True

อีกทางเลือกหนึ่งคือลองและยกเว้นบล็อกประมาณ assert_frame_equals:

In [24]: pd.util.testing.assert_frame_equal(df1, df3.reset_index(drop=True))

เช่นเดียวกับในคำตอบที่เกี่ยวข้องนี้

ตามที่ Jeff ชี้ให้เห็นว่าคุณสามารถใช้ .equals ซึ่งทำสิ่งนี้:

In [25]: df1.equals(df3.reset_index(drop=True))
Out[25]: True