Pandas DataFrames с сравнением равенства NaNs
В контексте модульного тестирования некоторых функций я пытаюсь установить равенство 2 DataFrames с использованием python pandas:
ipdb> expect 1 2 2012-01-01 00:00:00+00:00 NaN 3 2013-05-14 12:00:00+00:00 3 NaN ipdb> df identifier 1 2 timestamp 2012-01-01 00:00:00+00:00 NaN 3 2013-05-14 12:00:00+00:00 3 NaN ipdb> df[1][0] nan ipdb> df[1][0], expect[1][0] (nan, nan) ipdb> df[1][0] == expect[1][0] False ipdb> df[1][1] == expect[1][1] True ipdb> type(df[1][0]) <type 'numpy.float64'> ipdb> type(expect[1][0]) <type 'numpy.float64'> ipdb> (list(df[1]), list(expect[1])) ([nan, 3.0], [nan, 3.0]) ipdb> df1, df2 = (list(df[1]), list(expect[1])) ;; df1 == df2 False Учитывая, что я пытаюсь проверить весь expect против всего df , включая позиции NaN , что я делаю неправильно?
- Как найти первые n значений в строке данных
- Преобразование столбца временных меток в периоды в пандах
- Применить функцию к каждой ячейке в DataFrame многопоточно в пандах
- получить предыдущее значение индекса pandas datetime
- Pandas: как получить уникальное количество значений в ячейках, когда ячейки содержат списки?
Каков самый простой способ сравнить равенство рядов / DataFrames, включая NaN s?
5 Solutions collect form web for “Pandas DataFrames с сравнением равенства NaNs”
Вы можете использовать assert_frame_equals с check_names = False (чтобы не проверять имена индексов / столбцов), которые будут повышаться, если они не равны:
In [11]: from pandas.util.testing import assert_frame_equal In [12]: assert_frame_equal(df, expected, check_names=False)
Вы можете обернуть это в функцию с чем-то вроде:
try: assert_frame_equal(df, expected, check_names=False) return True except AssertionError: return False
В более поздних пандах эта функциональность была добавлена как .equals :
df.equals(expected)
Одним из свойств NaN является то, что NaN != NaN является True .
Отметьте этот ответ для хорошего способа сделать это, используя numexpr .
(a == b) | ((a != a) & (b != b))
говорит это (в псевдокоде):
a == b or (isnan(a) and isnan(b))
Таким образом, либо a равно b , либо оба a и b являются NaN .
Если у вас маленькие кадры, тогда assert_frame_equal будет в порядке. Однако для больших кадров (10M строк) assert_frame_equal практически бесполезен. Я должен был прервать его, это было так долго.
In [1]: df = DataFrame(rand(1e7, 15)) In [2]: df = df[df > 0.5] In [3]: df2 = df.copy() In [4]: df Out[4]: <class 'pandas.core.frame.DataFrame'> Int64Index: 10000000 entries, 0 to 9999999 Columns: 15 entries, 0 to 14 dtypes: float64(15) In [5]: timeit (df == df2) | ((df != df) & (df2 != df2)) 1 loops, best of 3: 598 ms per loop
timeit (предположительно) желаемого единственного bool указывающего, равны ли два DataFrame s:
In [9]: timeit ((df == df2) | ((df != df) & (df2 != df2))).values.all() 1 loops, best of 3: 687 ms per loop
Как @PhillipCloud ответ, но больше выписано
In [26]: df1 = DataFrame([[np.nan,1],[2,np.nan]]) In [27]: df2 = df1.copy()
Они действительно эквивалентны
In [28]: result = df1 == df2 In [29]: result[pd.isnull(df1) == pd.isnull(df2)] = True In [30]: result Out[30]: 0 1 0 True True 1 True True
Нан в df2, который не существует в df1
In [31]: df2 = DataFrame([[np.nan,1],[np.nan,np.nan]]) In [32]: result = df1 == df2 In [33]: result[pd.isnull(df1) == pd.isnull(df2)] = True In [34]: result Out[34]: 0 1 0 True True 1 False True
Вы также можете заполнить значением, которое, как вы знаете, не должно быть в кадре
In [38]: df1.fillna(-999) == df1.fillna(-999) Out[38]: 0 1 0 True True 1 True True
df.fillna(0) == df2.fillna(0)
Вы можете использовать fillna() . Представление здесь .
from pandas import DataFrame # create a dataframe with NaNs df = DataFrame([{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]) df2 = df # comparison fails! print df == df2 # all is well print df.fillna(0) == df2.fillna(0)
Любое сравнение равенства с использованием n с np.NaN является False, даже np.NaN == np.NaN является False.
Просто df1.fillna('NULL') == df2.fillna('NULL') , если «NULL» не является значением в исходных данных.
Чтобы быть в безопасности, выполните следующие действия:
Пример a) Сравните два кадра данных с значениями NaN
bools = (df1 == df2) bools[pd.isnull(df1) & pd.isnull(df2)] = True assert bools.all().all()
Пример b) Фильтровать строки в df1, которые не совпадают с df2
bools = (df1 != df2) bools[pd.isnull(df1) & pd.isnull(df2)] = False df_outlier = df1[bools.all(axis=1)]
(Примечание: это неверно – bools [pd.isnull (df1) == pd.isnull (df2)] = False)