当熊猫系列包含nan时比较它们是否相等？答案

【问题标题】：Comparing pandas Series for equality when they contain nan?当熊猫系列包含nan时比较它们是否相等？
【发布时间】：2013-08-29 11:49:22
【问题描述】：

我的应用程序需要比较有时包含 nan 的 Series 实例。这会导致使用== 进行普通比较失败，因为nan != nan：

import numpy as np
from pandas import Series
s1 = Series([1,np.nan])
s2 = Series([1,np.nan])

>>> (Series([1, nan]) == Series([1, nan])).all()
False

比较此类系列的正确方法是什么？

【问题讨论】：

【解决方案1】：

这个怎么样。首先检查 NaN 是否在同一个地方（使用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

然后检查不是 NaN 的值是否相等（使用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

为了平等，我们需要两者都为真：

In [15]: (s1.isnull() == s2.isnull()).all() and (s1[s1.notnull()] == s2[s2.notnull()]).all()
Out[15]: True

如果这还不够，您还可以检查名称等。

如果你想提出如果它们不同，请使用assert_series_equal from pandas.util.testing：

In [21]: from pandas.util.testing import assert_series_equal

In [22]: assert_series_equal(s1, s2)

【讨论】：

【解决方案2】：

目前应该只使用series1.equals(series2) 参见docs。这也检查nans 是否在相同的位置。

【讨论】：

【解决方案3】：

In [16]: s1 = Series([1,np.nan])

In [17]: s2 = Series([1,np.nan])

In [18]: (s1.dropna()==s2.dropna()).all()
Out[18]: True

【讨论】：

杰夫，您的解决方案忽略了 NaN 的位置：(Series([1, nan]).dropna() == Series([nan, 1]).dropna()).all() #=> True