如何判断多个pd.DataFrame是否相等？有无非循环递归的Pythonic方案？

嘿，我来帮你搞定这两个Pandas DataFrame的问题！下面是针对需求的具体解法，完全贴合Pythonic风格：

Pandas自带的pd.DataFrame.equals()是判断两个DataFrame完全相等的最优工具——它会校验索引、列顺序、所有值，还能正确识别NaN的相等性（毕竟NaN == NaN在原生Python里是False，但equals()会把两个NaN视为相等）。基于这个方法，我们可以轻松扩展到多个DataFrame的场景。

1. 基础场景：验证任意多个DataFrame是否全部相等 #

假设你有一批DataFrame，比如df1, df2, df3，我们可以选其中一个作为基准，用生成器表达式结合all()来快速验证：

import pandas as pd

# 示例DataFrame
df1 = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6]})
df2 = df1.copy()
df3 = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 7]})  # 和前两个不等

# 检查所有DataFrame是否与基准df1相等
all(df.equals(df1) for df in [df1, df2, df3])  # 返回 False

这种写法没有显式循环，利用Python内置的迭代器特性，简洁又易读，完全符合Pythonic的风格。

2. 进阶：无显式循环/递归的Pythonic实现 #

如果你想彻底避开手动循环（哪怕是隐式的生成器），可以用functools.reduce()来实现链式比较，不过可读性上还是推荐上面的all()写法：

from functools import reduce

def all_dataframes_equal(df_list):
    if not df_list:
        return True  # 空列表的逻辑可按需调整
    # 用reduce依次比较相邻的DataFrame，只要有一对不等就返回False
    return reduce(lambda a, b: a if a.equals(b) else False, df_list) is not False

# 测试
all_dataframes_equal([df1, df2])  # 返回 True
all_dataframes_equal([df1, df2, df3])  # 返回 False

关键注意点：NaN值的处理 #

如果你的DataFrame包含NaN，一定要用equals()，别用==加all().all()——后者会因为NaN == NaN返回False导致误判：

df_with_nan = pd.DataFrame({'col1': [1, None], 'col2': [3, 4]})
df_same_nan = df_with_nan.copy()

print(df_with_nan.equals(df_same_nan))  # 输出 True，符合预期
print((df_with_nan == df_same_nan).all().all())  # 输出 False，因为NaN的比较问题

内容的提问来源于stack exchange，提问作者Rations