Moja aplikacja musi porównywać wystąpienia Series, które czasami zawierają nans. Kluczową kwestią jest to, że:Porównując pandas.Seria dla równości, gdy zawierają nan?
>>> (Series([1, nan]) == Series([1, nan])).all()
False
Od nan != nan. Jaki jest właściwy sposób porównywania takich Serii?
Co powiesz na to. Najpierw sprawdź Koncepcja nieliczby są w tym samym miejscu (za pomocą isnull):
In [11]: s1.isnull()
Out[11]:
0 False
1 True
dtype: bool
In [12]: s1.isnull() == s2.isnull()
Out[12]:
0 True
1 True
dtype: bool
Następnie sprawdzić wartości, które nie są NaN są równe (przy użyciu notnull):
In [13]: s1[s1.notnull()]
Out[13]:
0 1
dtype: float64
In [14]: s1[s1.notnull()] == s2[s2.notnull()]
Out[14]:
0 True
dtype: bool
Aby być równa my oba muszą być prawdziwe:
In [15]: (s1.isnull() == s2.isnull()).all() and (s1[s1.notnull()] == s2[s2.notnull()]).all()
Out[15]: True
Można również sprawdzić nazwę itp., jeśli to nie było wystarczające.
Jeśli chcesz podbiciem jeśli są one różne, należy assert_series_equal od pandas.util.testing:
In [21]: from pandas.util.testing import assert_series_equal
In [22]: assert_series_equal(s1, s2)
In [16]: s1 = Series([1,np.nan])
In [17]: s2 = Series([1,np.nan])
In [18]: (s1.dropna()==s2.dropna()).all()
Out[18]: True
Jeff, twoje rozwiązanie ignoruje pozycję NaN: '(Series ([1, nan]). Dropna() == Series ([nan, 1]). Dropna()). All() # => True' –
tak ... naprawdę właściwą drogą jest '' assert_series_equal'', jak pokazuje Andy powyżej – Jeff
To działa, szkoda, że zgłasza wyjątek, a nie tylko powrót False. –
@DunPeal dodał aktualizację, która robi to, co trzeba. –
dzięki, to działa dobrze. Wydaje mi się, że Panda może mieć sens, aby dodać metodę, która streszcza ten mały fragment do serii. –