在Pandas中，equals()方法用于驗證數(shù)據(jù)是否等效。

驗證等效性需要進行比較，上一篇文章介紹了比較操作。比較操作參考：Pandas知識點-比較操作

==和eq()方法可以用于比較Pandas中的數(shù)據(jù)，那equals()和它們有什么區(qū)別呢？本文會進行介紹。

一、返回值不同

equals()方法的返回值是一個布爾值。如果兩個被比較數(shù)據(jù)中的所有元素都相同，則equals()返回True，否則返回False。

==比較兩個DataFrame時，結果是一個由布爾值構成的DataFrame，比較兩個Series時，結果是一個由布爾值構成的Series。

equals()的返回值相當于用numpy中的all()函數(shù)對==的結果再做一次判斷。

不過，因為equals()和==的內(nèi)部判斷是有差異的，所以equals()與np.all(df1==df2)并不完全等價，可以繼續(xù)看下面的介紹。

二、索引值對結果的影響不同

equals()比較兩個DataFrame或Series，索引值相等的列或行可以進行比較，如索引1和1.0分別是整數(shù)和浮點數(shù)，但值是相等的，對應的行或列可以進行比較。

==比較兩個DataFrame或Series，索引值相等時也可以進行比較，不過結果的索引會有變化，取決于比較的順序。具體來說，比較結果的索引與==左邊的DataFrame或Series相同。而使用eq()方法時，比較結果的索引與調(diào)用eq()的DataFrame或Series相同。

三、對空值的判斷結果不同

equals()比較時，DataFrame或Series中的空值可以判斷為相等。具體來說，兩個np.NaN，兩個None，兩個pd.NaT，np.NaN與None這四種情況的比較結果都是相等的。而pd.NaT與np.NaN和None的比較結果為不相等。

==比較時，空值的比較結果都是不相等。

從Python解釋器層面來判斷，兩個np.NaN和兩個pd.NaT的比較結果都不相等，所以用==比較時，DataFrame中對應位置的結果為False。兩個None的比較結果雖然相等，但因為在的DataFrame中None表示的是np.NaN，所以比較結果也為False。np.NaN和None比較也一樣，結果為False。這也是前面說equals()與np.all(df1==df2)不完全等價的原因。

在判斷兩個DataFrame或Series是否等效時，空值對我們來說都是一樣的。我們期望的結果是將空值判斷為相等，這樣可以避免空值對其他數(shù)據(jù)比較結果的干擾。equals()用于判斷兩個數(shù)據(jù)是否等效，剛好可以用于這樣的場景。當然，也可以先將空值替換成其他值后再比較，那就是另一種方式了。

四、與array的比較不同

equals()比較DataFrame和array時，即使DataFrame與array的形狀相同，數(shù)據(jù)也完全相同，比較結果也是False。原因是array沒有索引，而equals()支持傳入的參數(shù)是DataFrame或Series，不支持array。

==可以將DataFrame與array進行比較，比較結果為DataFrame。

以上就是Pandas中equals()與==的區(qū)別介紹，如果需要本文代碼，可以點擊關注公眾號“Python碎片”，然后在后臺回復“pandas11”關鍵字獲取完整代碼。