爲什麼大熊貓 '==' 不同於 '.EQ（）'

Question

考慮一系列s

s = pd.Series([(1, 2), (3, 4), (5, 6)]) 

這是預期

s == (3, 4) 

0 False 
1  True 
2 False 
dtype: bool 

這不是

s.eq((3, 4)) 

--------------------------------------------------------------------------- 
ValueError        Traceback (most recent call last) 

ValueError: Lengths must be equal 

我是在假設他們是相同的。他們有什麼區別？

---

什麼是documentation說？

相當於系列==其他，但與支持代替一個fill_value在其中的一個輸入缺失數據。

這似乎意味着他們應該工作相同，因此混亂。

Answer 1

您遇到的情況實際上是一種特殊情況，它可以比較pandas.Series或numpy.ndarray與普通的python結構。源代碼如下：

def flex_wrapper(self, other, level=None, fill_value=None, axis=0): 
    # validate axis 
    if axis is not None: 
     self._get_axis_number(axis) 
    if isinstance(other, ABCSeries): 
     return self._binop(other, op, level=level, fill_value=fill_value) 
    elif isinstance(other, (np.ndarray, list, tuple)): 
     if len(other) != len(self): 
      # --------------------------------------- 
      # you never reach the `==` path because you get into this. 
      # --------------------------------------- 
      raise ValueError('Lengths must be equal') 
     return self._binop(self._constructor(other, self.index), op, 
          level=level, fill_value=fill_value) 
    else: 
     if fill_value is not None: 
      self = self.fillna(fill_value) 

     return self._constructor(op(self, other), 
           self.index).__finalize__(self) 

你打的ValueError因爲熊貓承擔.eq，你想轉換爲而不是（如果你給它一個數組，列表或元組）numpy.ndarray或pandas.Series值實際上將其與tuple進行比較。例如，如果您有：

s = pd.Series([1,2,3]) 
s.eq([1,2,3]) 

你不希望它的每個元素比較[1,2,3]。

問題是object陣列（與dtype=uint一樣）經常滑過裂紋或被故意忽略。一個簡單的if self.dtype != 'object'分支內的那個方法可以解決這個問題。但也許開發商有充分的理由讓這個案例變得不同。我建議通過張貼在他們的bug tracker上來要求澄清。

---

你還沒有問你如何使它正常工作，但completness我會包括一個可能性（根據源代碼，它很可能你需要用它作爲自己pandas.Series）：

>>> s.eq(pd.Series([(1, 2)])) 
0  True 
1 False 
2 False 
dtype: bool 

Answer 2

==是一個元素明智的比較，產生一個真值的向量，而.eq是一個「那兩個迭代是相等的」，對於它來說，長度相同是需求。 Ayhan指出了一個例外：當您使用.eq(scalar value)比較熊貓矢量類型時，標量值只是廣播到相同大小的矢量進行比較。