在 NumPy 和 Pandas 中，nan != nan 和 NaT != NaT。那么，在单元测试期间比较结果时，我如何断言返回的值是这些值之一？一个简单的assertEqual自然会失败，即使我使用pandas.util.testing。
【问题讨论】：
isnull
value != value应该是真的
标签： python unit-testing pandas numpy nan
在python2.7上测试，我得到以下
import numpy as np
import pandas as pd
x = np.nan
x is np.nan #True
x is pd.NaT #False
np.isnan(x) #True
pd.isnull(x) #True
y = pd.NaT
y is np.nan #False
y is pd.NaT #True
np.isnan(y) #TypeError !!
pd.isnull(y) #True
你也可以使用
x != x #True for nan
y != y #True for NaT
但我不是很喜欢这种风格，我永远无法说服自己相信它。
【讨论】：
如果您要比较标量，一种方法是将assertTrue 与isnull 结合使用。例如，在 DataFrame 单元测试 (pandas/tests/test_frame.py) 中，您可以找到 tests such as this：
self.assertTrue(com.isnull(df.ix['c', 'timestamp']))
（com 是pandas/core/common.py 的别名，因此com.isnull 调用与pd.isnull 相同的底层函数。）
另一方面，如果您将 Series 或 DataFrames 与 null 值进行比较是否相等，这些将由 tm.assert_series_equal 和 tm.assert_frame_equal 自动处理。例如：
>>> import pandas.util.testing as tm
>>> df = pd.DataFrame({'a': [1, np.nan]})
>>> df
a
0 1
1 NaN
通常，NaN 不等于 NaN：
>>> df == df
a
0 True
1 False
但是assert_frame_equal 将NaN 处理为等于它自己：
>>> tm.assert_frame_equal(df, df)
# no AssertionError raised
【讨论】：
在进行 assert_frame_equal 检查之前，您可以在数据帧上使用 .fillna() method 将空值替换为不会出现在您的值中的其他值。您可能还想阅读these examples，了解如何使用 .fillna() 方法。
【讨论】：
None，这将是一个理想的类型中性值，但是另一个唯一的标量，例如零或字符串（例如"INCORRECT!!!1!1!" ;-)），现在已经足够了。
assert_frame_equal 已经断言NaN 等于NaN。使用 fillna() 将 NaN 替换为其他一些要比较是否相等的标量是多余的，因此不在 Pandas 的单元测试中使用。
fillna 之前 assert_frame_check，所以我错过了它解决了差异。谢谢！