如何不考虑顺序验证DataFrame子集的索引与另一DataFrame指定列的元素完全匹配

这个问题我之前也碰到过！确实equals()方法对顺序要求太严格，必须元素顺序完全一致才会返回True。不过有几种简单的方法可以帮你验证两者的元素是否完全匹配（不考虑顺序），根据你的数据情况可以选择不同的方案：

方法1：利用集合的无序性（适合无重复元素的场景） #

如果你的df2['column_name']和筛选后的df.index都没有重复元素，可以直接把两者转成集合后比较：

set(df.index) == set(df2['column_name'])

这种方法简单直观，集合本身就不关心元素顺序，只要元素完全一致就会返回True。

方法2：排序后用equals()验证（支持重复元素） #

如果数据里存在重复元素，集合会自动去重，这时候就需要用排序后比较的方法：

# 对索引和列分别排序后再比较
df.index.sort_values().equals(df2['column_name'].sort_values())

或者用numpy的array_equal方法，效果是一样的：

import numpy as np
np.array_equal(df.index.sort_values(), df2['column_name'].sort_values())

结合你的示例测试 #

我们稍微调整一下你的示例，让df2['column_name']的顺序和筛选后的索引不同，更贴近你的实际场景：

import pandas as pd
import numpy as np

df1 = pd.DataFrame(np.array([1,2,3,4,5,6]),index=['a', 'b', 'c', 'd', 'e', 'f'], columns=['values'])
# 调整df2的column_name顺序为c、b、a，模拟顺序不一致的情况
df2 = pd.DataFrame(np.array(['c', 'b', 'a']), index=range(3), columns=['column_name'])
df = df1[df1.index.isin(df2['column_name'])]

# 用原生equals()会返回False，因为顺序不同
print(df.index.equals(df2['column_name']))  # 输出: False

# 用排序后的equals()验证，返回True
print(df.index.sort_values().equals(df2['column_name'].sort_values()))  # 输出: True

# 用集合验证（这里无重复元素，可行）
print(set(df.index) == set(df2['column_name']))  # 输出: True

这样就能准确验证筛选后的索引和目标列的元素是否完全匹配，不用在意顺序啦！

内容的提问来源于stack exchange，提问作者user9317212