比较两个 pandas 系列的浮点近似相等？

你可以使用 numpy.allclose：

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

如果两个数组在容差范围内元素相等，则返回。True

公差值为正值，通常非常小。这 将相对差 （） 和绝对差相加，以与 之间的绝对差进行比较。rtol * abs(b)atolab

numpy适用于对象，因此，如果您有两个对象 - 并且，您可以简单地执行以下操作：pandas.Seriess1s2

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

容差值在哪里。atol

Numpy 与 pandas 系列配合得很好。但是，必须注意索引的顺序（或 pandas DataFrame 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 pandas 系列的索引

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

如果你想避免numpy，还有另一种方法，使用assert_series_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)  

引发一个 .所以使用标志AssertionErrorcheck_less_precise

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

这不会引发 AS 仅比较小数点后的 3 位数字。AssertionErrorcheck_less_precise

请参阅此处的文档

不好使用断言，但如果你想避免numpy，这是一种方法。

注意：我发布这个主要是因为我通过谷歌搜索类似的东西来到这个线程，它似乎太长了，无法发表评论。不一定是最佳解决方案，也不一定是严格基于“精度ε”的解决方案，但如果您想对向量（即行）而不是标量（而不是）执行此操作而不显式循环，则可以使用缩放和舍入的替代方案：DataFrameSeries

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}")