为何值相同的numpy.int64类型DataFrame单元格用==比较返回False？转换为int后则返回True

这个问题我之前也碰到过好几次，看起来两个numpy.int64的值完全一样，但用==比较却返回False，转成Python原生int就正常，核心原因大概率是numpy整数标量的字节顺序差异，或者是容易被忽略的类型包装问题，下面具体拆解：

1. 最常见的原因：字节顺序不匹配 #

numpy的整数类型会保留字节顺序信息（比如大端>或小端<），即使两个值的数值看起来完全相同，只要字节顺序不同，直接用==比较numpy标量就会返回False。

举个直观的例子：

import numpy as np
# 创建一个小端字节顺序的int64
val1 = np.int64(10)
# 将其转换为大端字节顺序
val2 = val1.byteswap()

print(val1 == val2)  # 输出 False
print(int(val1) == int(val2))  # 输出 True

这是因为numpy在比较标量时，会同时检查数值和字节顺序属性；而Python的int类型不关心字节存储顺序，只提取原始数值，所以转换后比较就正常了。

你可以通过以下方式验证：

• 查看两个值的字节顺序：

  print(df1['COLUMN'].iloc[0].dtype.byteorder)
  print(df2['COLUMN'].iloc[0].dtype.byteorder)
  

  如果输出一个是>（大端）一个是<（小端），那就是这个问题。
• 查看字节表示：

  print(df1['COLUMN'].iloc[0].tobytes())
  print(df2['COLUMN'].iloc[0].tobytes())
  

  两者的字节序列会完全相反。

2. 容易混淆的类型包装问题 #

有时候你以为拿到的是纯numpy.int64，但实际上其中一个值是pandas可空整数类型（pd.Int64）的标量——虽然打印类型时可能显示类似，但本质是不同的对象，直接比较会返回False。

这种情况可以检查类型的详细信息：

print(type(df1['COLUMN'].iloc[0]))
print(type(df2['COLUMN'].iloc[0]))

如果其中一个是pandas.core.arrays.integer.IntegerScalar，另一个是numpy.int64，那就是类型包装的问题，转成Pythonint后就统一了类型，比较自然正常。

解决方法 #

除了你用的astype(int)，还有两种更轻量的方式：

• 用.item()方法将numpy标量转为Pythonint：

  df1['COLUMN'].iloc[0].item() == df2['COLUMN'].iloc[0].item()
  

• 强制转换为numpy的同一字节顺序类型：

  # 将df2的列转为和df1相同的字节顺序
  df2['COLUMN'] = df2['COLUMN'].astype(df1['COLUMN'].dtype)
  

内容的提问来源于stack exchange，提问作者varun