Meine Anwendung muss Series-Instanzen vergleichen, die manchmal Nans enthalten. Das Schlüsselproblem ist das:Vergleichen pandas.Series für Gleichheit, wenn sie Nan enthalten?
>>> (Series([1, nan]) == Series([1, nan])).all()
False
Seit nan != nan. Was ist der richtige Weg, um solche Serien zu vergleichen?
Wie wäre es damit. Überprüfen Sie zunächst die NaNs sind an der gleichen Stelle (mit 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
dann die Werte überprüfen, die nicht NaN gleich sind (mit 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
Um gleich wir zu sein müssen beide wahr sein:
In [15]: (s1.isnull() == s2.isnull()).all() and (s1[s1.notnull()] == s2[s2.notnull()]).all()
Out[15]: True
Sie können auch überprüfen, Name usw., wenn dies nicht ausreichend war.
Wenn Sie erhöhen wollen wenn sie unterschiedlich sind, verwenden assert_series_equal von 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, deine Lösung ignoriert die Position der NaNs: '(Reihe ([1, nan]). Dropna() == Reihe ([nan, 1]). Dropna()). All() # => Wahr ' –
yep .... wirklich der richtige Weg ist '' assert_series_equal'' wie Andy oben zeigt – Jeff
Dies funktioniert, schade es löst eine Ausnahme und nicht nur falsch zurück. –
@DunPeal hat ein Update hinzugefügt, das das Richtige tut. –
danke, das funktioniert gut. Ich denke, es könnte für Pandas Sinn machen, eine Methode hinzuzufügen, die dieses kleine Snippet zu Series abstrahiert. –