pandas.testing.assert_frame_equal#

pandas.testing.assert_frame_equal(left, правый, check_dtype=True, check_index_type='equiv', check_column_type='equiv', check_frame_type=True, check_names=True, by_blocks=False, check_exact=, check_datetimelike_compat=False, check_categorical=True, check_like=False, check_freq=True, check_flags=True, rtol=, atol=, obj='DataFrame')[источник]#

Проверить, что левый и правый DataFrame равны.

Эта функция предназначена для сравнения двух DataFrame и вывода любых различий. В основном она предназначена для использования в модульных тестах. Дополнительные параметры позволяют варьировать строгость проверок равенства.

Параметры:

leftDataFrame: Первый DataFrame для сравнения.
правыйDataFrame: Второй DataFrame для сравнения.
check_dtypebool, по умолчанию True: Проверять ли идентичность типа данных DataFrame.
check_index_typebool или {'equiv'}, по умолчанию 'equiv': Проверять ли, что класс Index, dtype и inferred_type идентичны.
check_column_typebool или {'equiv'}, по умолчанию 'equiv': Проверять ли, что класс столбцов, dtype и inferred_type идентичны. Передается как exact аргумент assert_index_equal().
check_frame_typebool, по умолчанию True: Проверять ли, что класс DataFrame идентичен.
check_namesbool, по умолчанию True: Проверять ли, что names атрибут для обоих index и столбец атрибуты DataFrame идентичны.
by_blocksbool, по умолчанию False: Указать, как сравнивать внутренние данные. Если False, сравнивать по столбцам. Если True, сравнивать по блокам.
check_exactbool, по умолчанию False: Сравнивать числа точно или нет.

Изменено в версии 2.2.0: По умолчанию True для целочисленных типов данных, если ни один из check_exact, rtol и atol указаны.
check_datetimelike_compatbool, по умолчанию False: Сравнение datetime-подобных объектов, которое сравнивается без учета dtype.
check_categoricalbool, по умолчанию True: Сравнивать ли внутренний Categorical точно.
check_likebool, по умолчанию False: Если True, игнорировать порядок индекса и столбцов. Примечание: метки индекса должны соответствовать своим строкам (так же как и столбцы) - одинаковые метки должны быть с одинаковыми данными.
check_freqbool, по умолчанию True: Проверять ли freq атрибут на DatetimeIndex или TimedeltaIndex.
check_flagsbool, по умолчанию True: Проверять ли флаги атрибут.
rtolfloat, по умолчанию 1e-5: Относительный допуск. Используется только когда check_exact равен False.
atolfloat, по умолчанию 1e-8: Абсолютная погрешность. Используется только когда check_exact равен False.
objstr, по умолчанию 'DataFrame': Укажите имя объекта, с которым сравнивается, используется внутри для отображения соответствующего сообщения утверждения.

Смотрите также

assert_series_equal: Эквивалентный метод для проверки равенства Series.
DataFrame.equals: Проверить равенство DataFrame.

Примеры

Этот пример показывает сравнение двух DataFrames, которые равны, но имеют столбцы с разными типами 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" различается [left]: int64 [right]: float64

Игнорировать различные типы данных в столбцах с check_dtype.

>>> assert_frame_equal(df1, df2, check_dtype=False)