比较两个pandas级数的浮点近似相等?

您可以使用 numpy.allclose :

numpy.allclose(a, b, rtol=1e-05, atol=1e-08, equal_nan=False)

退换商品 True 如果两个阵列在一个公差内元素相等。

相对差异( rtol * abs(b) atol 加在一起比较 a b .

numpy 适用于 pandas.Series 对象,所以如果你有两个- s1 s2 ,您可以简单地执行以下操作:

np.allclose(s1, s2, atol=...) 

哪里 环礁 公差值

Numpy与熊猫系列配合得很好。但是,必须注意索引的顺序(或数据帧的列和索引)

例如

series_1 = pd.Series(data=[0,1], index=['a','b'])
series_2 = pd.Series(data=[1,0], index=['b','a']) 
np.allclose(series_1,series_2)

将返回False

解决方法是使用一个熊猫系列的索引

np.allclose(series_1, series_2.loc[series_1.index])

如果要避免numpy,还有另一种方法,请使用assert\u series\u equal

import pandas as pd
s1 = pd.Series([1.333333, 1.666666])
s2 = pd.Series([1.333, 1.666])

from pandas.testing import assert_series_equal
assert_series_equal(s1,s2)  

AssertionError . 所以使用 check_less_precise 旗帜

assert_series_equal(s1,s2, check_less_precise= True)  # No assertion error

这不会引起 断言错误 检查不太精确 仅比较小数点后的3位数字。

See the docs here

使用断言并不好,但如果你想避免numpy,这是一种方法。

注意:我之所以发布这个帖子,主要是因为我是通过谷歌搜索类似的东西来找到这个帖子的,而且它似乎太长了,无法发表评论。不一定是最好的解决方案,也不一定是严格基于“精度”的解决方案,但如果您希望对向量(即行)而不是对象的标量执行此操作,则可以使用缩放和舍入 DataFrame Series )无需明确循环:

import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler

Xcomb = pd.concat((X, X2), axis=0, ignore_index=True)
# scale
scaler = MinMaxScaler()
scaler.fit(Xcomb)
Xscl = scaler.transform(Xcomb)
# round
df_scl = pd.DataFrame(np.round(Xscl, decimals=8), columns=X.columns)
# post-processing
n_uniq = df_scl.drop_duplicates().shape[0]
n_dup = df.shape[0] + df2.shape[0] - n_uniq
print(f"Number of shared rows: {n_dup}")