Les Pandas dataframe valeurs de test d'égalité

Un autre Pandas question!

Je suis en train d'écrire quelques tests d'unité de test de deux trames de données pour l'égalité, mais le test ne s'affiche pas à regarder les valeurs de la trame de données, seule la structure:

dates = pd.date_range('20130101', periods=6)

df1 = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
df2 = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))

print df1
print df2
self.assertItemsEqual(df1, df2)

-->True

Faire j'ai besoin de convertir les trames de données à une autre structure de données, avant d'affirmer l'égalité?

InformationsquelleAutor MarkNS | 2013-11-12
  1. 40

    Ah, bien sûr, il ya une solution pour cela déjà:

    from pandas.util.testing import assert_frame_equal
    InformationsquelleAutor MarkNS
  2. 5

    Tout assert_frame_equal est utile pour les tests unitaires, j'ai trouvé le suivant utiles sur l'analyse qu'on pourrait le souhaitez vérifier les valeurs ne sont pas égales:
    df1.equals(df2)

    InformationsquelleAutor Rustam Aliyev
  3. 4

    Aussi numpy les utilitaires de travail:

    import numpy.testing as npt

npt.assert_array_equal(df1, df2)
    InformationsquelleAutor ankostis
  4. 0
    In [62]: import numpy as np

In [63]: import pandas as pd

In [64]: np.random.seed(30)

In [65]: df_old = pd.DataFrame(np.random.randn(4,5))

In [66]: df_old
Out[66]: 
          0         1         2         3         4
0 -1.264053  1.527905 -0.970711  0.470560 -0.100697
1  0.303793 -1.725962  1.585095  0.134297 -1.106855
2  1.578226  0.107498 -0.764048 -0.775189  1.383847
3  0.760385 -0.285646  0.538367 -2.083897  0.937782

In [67]: np.random.seed(30)

In [68]: df_new = pd.DataFrame(np.random.randn(4,5))

In [69]: df_new
Out[69]: 
          0         1         2         3         4
0 -1.264053  1.527905 -0.970711  0.470560 -0.100697
1  0.303793 -1.725962  1.585095  0.134297 -1.106855
2  1.578226  0.107498 -0.764048 -0.775189  1.383847
3  0.760385 -0.285646  0.538367 -2.083897  0.937782

In [70]: df_old.equals(df_new) #Equality check here, returns boolean expression: True/False
Out[70]: True
    InformationsquelleAutor Surya