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_names=True, by_blocks=False, check_exact=_NoDefault.no_default, check_datetimelike_compat=False, check_categorical=True, check_like=False, check_freq=True, check_flags=True, rtol=_NoDefault.no_default, atol=_NoDefault.no_default, obj='DataFrame')[source]

Проверяет, что DataFrame слева и справа равны.

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 проводимых проверок равенства.

Параметры:

left:DataFrame

Первый DataFrame для сравнения.

right:DataFrame

Второй DataFrame для сравнения.

check_dtype:bool, по умолчанию True

Надо ли проверять, что dtype DataFrame идентичен.

check_index_type:bool или {‘equiv’}, по умолчанию ‘equiv’

Надо ли проверять, что класс Index, dtype и inferred_type идентичны.

check_column_type:bool или {‘equiv’}, по умолчанию ‘equiv’

Надо ли проверять, что класс столбцов, dtype и inferred_type идентичны. Передается как аргумент exact функции assert_index_equal().

check_frame_type:bool, по умолчанию True

Надо ли проверять, что класс DataFrame идентичен.

check_names:bool, по умолчанию True

Надо ли проверять, что атрибут names для атрибутов index и column DataFrame идентичен.

by_blocks:bool, по умолчанию False

Указывает, как сравнивать внутренние данные. Если False, сравнивать по столбцам. Если True, сравнивать по блокам.

check_exact:bool, по умолчанию False

Надо ли сравнивать числа точно.

Изменено в версии 2.2.0: По умолчанию True для целочисленных типов, если ни check_exact, rtol и atol не указаны.

check_datetimelike_compat:bool, по умолчанию False

Сравнивать datetime-подобные, игнорируя dtype.

check_categorical:bool, по умолчанию True

Надо ли сравнивать внутренние Categorical точно.

check_like:bool, по умолчанию False

Если True, игнорировать порядок индекса и столбцов. Примечание: метки индекса должны совпадать с соответствующими строками (так же как и в столбцах) - одинаковые метки должны быть с одинаковыми данными.

check_freq:bool, по умолчанию True

Надо ли проверять атрибут freq в DatetimeIndex или TimedeltaIndex.

check_flags:bool, по умолчанию True

Надо ли проверять атрибут flags.

rtol:float, по умолчанию 1e-5

Относительная погрешность. Используется только при check_exact = False.

atol:float, по умолчанию 1e-8

Абсолютная погрешность. Используется только при check_exact = False.

obj:str, по умолчанию ‘DataFrame’

Указывает имя сравниваемого объекта, используется внутри для отображения соответствующего сообщения об утверждении.

См. также

assert_series_equal

Эквивалентный метод для проверки равенства Series.

DataFrame.equals

Проверка равенства DataFrame.

Примеры

В этом примере показано сравнение двух DataFrame, которые равны, но со столбцами разных типов данных.

>>> from pandas.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 (most recent call last):
...
AssertionError: Attributes of DataFrame.iloc[:, 1] (column name="b") are different

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)