不升级Pandas时，如何测试顺序不同但元素一致的Series是否相等？

在不升级Pandas的前提下，你可以用以下几种方式验证两个元素一致但顺序不同的Series：

方法1：排序后断言相等 #

对两个Series分别排序，再使用pd.testing.assert_series_equal进行断言，就能忽略原始顺序的差异：

import pandas as pd
import numpy as np

data1 = np.array(['1','2','3','4','5','6'])
data2 = np.array(['6','2','4','3','1','5'])
sr1 = pd.Series(data1)
sr2 = pd.Series(data2)

# 排序后执行断言
pd.testing.assert_series_equal(sr1.sort_values(), sr2.sort_values(), check_names=False)

方法2：验证值的频率分布一致 #

如果Series中存在重复元素，验证每个元素的出现次数是否一致会更严谨。可以用value_counts()生成元素频率统计的Series，再断言这两个统计结果相等：

# 验证元素的计数分布完全一致
pd.testing.assert_series_equal(
    sr1.value_counts().sort_index(), 
    sr2.value_counts().sort_index(), 
    check_names=False
)

这里加上sort_index()是为了确保统计结果的顺序一致，避免value_counts的输出顺序差异导致断言失败。

方法3：转换为集合（仅适用于无重复元素的场景） #

如果你的Series中没有重复元素，可以直接将两个Series转换为集合后断言相等：

assert set(sr1) == set(sr2)

注意：如果存在重复元素，集合会自动去重，这种方法会误判，因此仅适合元素唯一的场景。

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