Pandas 中 series.equals() 方法如何處理空值？

在 Series 物件中存在缺失值是很常見的，如果您想比較這種型別的 Series 物件，則普通的比較不起作用，因為 nan != nan，在這種情況下，我們可以使用 equals() 方法。equals() 方法認為相同位置的 Nan 相等。

Pandas series.equals() 方法的基本操作用於比較兩個 Series 是否相等。如果兩個 Series 具有相同的元素和形狀，則返回 True，如果兩個 Series 不相等，則返回 False。

示例 1

在下面的示例中，將兩個 Series 物件 series1 和 series2 應用於 equals() 方法以比較相等性。

# importing pandas package
import pandas as pd
import numpy as np

# create pandas Series1
series1 = pd.Series([67, 18, np.nan, 50, 39])

print("First series object:",series1)

# create pandas Series2
series2 = pd.Series([67, 18, np.nan, 50, 39])
print("second series object:",series2)

result = series1.equals(series2)

print("Result:", result)

解釋

由於 Series 物件完全相同，並且在兩個 Series 物件的相同位置存在一個 nan 值。

輸出

輸出如下所示：

First series object:
0    67.0
1    18.0
2     NaN
3    50.0
4    39.0
dtype: float64

Second series object:
0    67.0
1    18.0
2     NaN
3    50.0
4    39.0
dtype: float64

Result: True

這裡兩個 Series 物件完全相同，資料型別相同，equals() 方法返回 True 作為結果。此外，您可以看到，如果 NaN 出現在相同的位置，則它們被視為相等。

示例 2

在下面的示例中，透過應用 equals() 方法驗證兩個 Series 物件 series1 和 series2 的相等性。

import pandas as pd
import numpy as np

# create pandas Series1
series1 = pd.Series([92, 68, 65, np.nan])

print("First series object:",series1)

# create pandas Series2
series2 = pd.Series(['92', '68', '65', np.nan])
print("second series object:",series2)

result = series1.equals(series2)
print("Result :", result)

解釋

這裡的 Series 物件相似，但元素的資料型別不同。

輸出

輸出如下所示：

First series object:
0    92.0
1    68.0
2    65.0
3     NaN
dtype: float64

Second series object:
0     92
1     68
2     65
3    NaN
dtype: object

Result: False

對於上面給出的示例，相等函式 equals() 返回 False。因為兩個 Series 物件中元素的資料型別不同。

更新於: 2022年3月7日

2K+ 瀏覽量

開啟你的 職業生涯

透過完成課程獲得認證

開始學習
廣告