pandas.testing.assert_frame_equal

pandas.testing.assert_frame_equal(left, right, check_dtype=True, check_index_type='equiv', check_column_type='equiv', check_frame_type=True, check_less_precise=False, check_names=True, by_blocks=False, check_exact=False, check_datetimelike_compat=False, check_categorical=True, check_like=False, obj='DataFrame') [source]

Проверка равенства двух DataFrame.

Эта функция предназначена для сравнения двух DataFrame и вывода любых различий. Она в основном предназначена для использования в модульных тестах. Дополнительные параметры позволяют изменять строгость проверок на равенство.

Параметры:

left : DataFrame Первый DataFrame для сравнения. right : DataFrame Второй DataFrame для сравнения. check_dtype : bool, default True Нужно ли проверять идентичность типа данных DataFrame. check_index_type : bool / string {‘equiv’}, default ‘equiv’ Нужно ли проверять идентичность класса Index, типа данных и inferred_type. check_column_type : bool / string {‘equiv’}, default ‘equiv’ Нужно ли проверять идентичность класса столбцов, типа данных и inferred_type. Передаётся как аргумент exact метода assert_index_equal(). check_frame_type : bool, default True Нужно ли проверять идентичность класса DataFrame. check_less_precise : bool or int, default False Укажите точность сравнения. Используется только когда check_exact равен False. Сравниваются 5 знаков (False) или 3 знака (True) после десятичной точки. Если целое число, то укажите количество знаков для сравнения. check_names : bool, default True Нужно ли проверить, что атрибут names для обоих атрибутов index и column DataFrame идентичен, т.е. left.index.names == right.index.names left.columns.names == right.columns.names by_blocks : bool, default False Укажите, как сравнивать внутренние данные. Если False, сравнивать по столбцам. Если True, сравнивать по блокам. check_exact : bool, default False Нужно ли сравнивать числа точно. check_datetimelike_compat : bool, default False Сравнивать datetime-подобные объекты, игнорируя тип данных. check_categorical : bool, default True Нужно ли сравнивать внутренние Categorical объекты точно. check_like : bool, default False Если True, игнорировать порядок индекса и столбцов. Примечание: метки индекса должны соответствовать их строкам (также как и в столбцах) - одинаковые метки должны быть с одинаковыми данными. obj : str, default ‘DataFrame’ Укажите имя объекта, который сравнивается, используется для отображения соответствующего сообщения об утверждении.

См. также

assert_series_equal

Эквивалентный метод для проверки равенства Series.

DataFrame.equals

Проверить равенство DataFrame.

Примеры

Этот пример показывает сравнение двух DataFrame, которые равны, но имеют столбцы с различными типами данных.

>>> from pandas.util.testing import assert_frame_equal
>>> df1 = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
>>> df2 = pd.DataFrame({'a': [1, 2], 'b': [3.0, 4.0]})

df1 равен самому себе. >>> assert_frame_equal(df1, df1)

df1 отличается от df2, так как столбец ‘b’ имеет другой тип. >>> assert_frame_equal(df1, df2) Traceback (последний вызов): AssertionError: Атрибуты отличаются

Атрибут “dtype” отличается [left]: int64 [right]: float64

Игнорировать различающиеся типы данных в столбцах с помощью check_dtype. >>> assert_frame_equal(df1, df2, check_dtype=False)