pd.array与DataFrame比较时is True返回False的原因探究

问题现象 #

在Python 3.10.13、pandas 2.2.0搭配numpy 1.26.4的环境下，出现以下不符合直觉的比较结果：

# 此语句返回False
(pd.array([""]) == pd.array([""]))[0] is True
# 输出: False

# 此语句正常返回True
(pd.array([""]) == pd.array([""]))[0] == True
# 输出: True

# 直接输出该元素显示为True
(pd.array([""]) == pd.array([""]))[0]
# 输出: True

补充场景现象：

# StringArray场景下同样存在该问题
pd.DataFrame(dict(a=[""])).unique()

# DataFrame比较中也有相同情况
(pd.DataFrame(dict(a=[""])) == pd.DataFrame(dict(a=[""]))).values[0][0] is True
# 输出: False

# 使用DataFrame.equals方法可正确判断值相等
pd.DataFrame(dict(a=[""])).equals(pd.DataFrame(dict(a=[""]))) is True
# 输出: True

原因解析 #

• 类型差异是核心原因：pandas执行数组/DataFrame比较后返回的布尔元素，并非Python原生的bool类型（即全局单例True/False），而是pandas自定义的BooleanScalar或numpy的numpy.bool_类型实例。
• is与==的本质区别：
  • is用于判断两个对象的身份（内存地址）是否完全相同，Python中True是唯一的单例对象，只有原生bool类型的True才会和它身份一致。
  • ==用于判断两个对象的值是否相等，pandas/numpy的布尔类型实现了对应的比较逻辑，会返回原生bool类型的结果，所以能正确判断值相等。
• 直接输出显示为True的原因：这些自定义布尔类型重写了__repr__方法，打印时会显示为True，但底层对象并非Python原生的True单例。
• DataFrame.equals方法的作用：该方法是pandas专门用于判断两个DataFrame所有元素值是否完全相等的API，内部会处理类型差异，直接返回原生bool结果，因此用is True判断有效。

内容的提问来源于stack exchange，提问作者cbo