值与dtype均一致的DataFrame为何equals返回不等，测试失败？

1. Test 1 失败原因 #

表面上两个DataFrame的值和dtype看似一致，但df.equals()返回False的核心原因是元素类型的隐性差异：

• 函数中对Combo (NPI & Date)列执行了apply(lambda x : x if '<NA>' not in x else np.nan)，即使测试数据中没有<NA>值，该列的元素类型会被识别为Union[str, float]（因为np.nan是float类型）。
• 测试用例的output中，Combo (NPI & Date)列的元素是纯字符串类型，pandas的equals()方法会严格检查每个元素的类型，因此返回False。

另外，days_since_dec_30_1899函数通过字符串分割处理Timestamp的方式不可靠，若Timestamp包含时区或特殊格式会直接报错。

2. Test 2 失败原因 #

当输入NPI为float64类型时：

• 函数中将其转为Int64（可空整数类型），再转为字符串，此时NPI列的dtype是Nullable String（string类型）。
• 测试用例的output中NPI列是普通的object dtype，equals()默认会检查dtype完全一致，因此返回False。

方案1：优化日期计算函数（避免字符串分割） #

替换不可靠的字符串处理逻辑，直接用Timestamp内置方法获取日期：

def days_since_dec_30_1899(input_date: pd.Timestamp) -> str:
    delta = input_date.date() - dtm_date(1899, 12, 30)
    return str(delta.days)

方案2：统一类型转换逻辑，消除dtype差异 #

修改函数，确保输出的dtype与测试用例一致：

def create_combo_npi_and_date_col(data: pd.DataFrame, date_name: str = 'Date') -> pd.DataFrame:
    temp = data.copy()
    days_since_1899 = temp[date_name].apply(days_since_dec_30_1899)
    
    # 统一处理NPI类型，保持输出为object dtype
    if pd.api.types.is_float_dtype(temp['NPI']):
        temp['NPI'] = temp['NPI'].astype('Int64').astype(str)
    else:
        temp['NPI'] = temp['NPI'].astype(str)
    
    # 生成Combo列，用replace替换<NA>，避免元素类型混合
    temp['Combo (NPI & Date)'] = temp['NPI'] + days_since_1899
    temp['Combo (NPI & Date)'] = temp['Combo (NPI & Date)'].replace('<NA>', np.nan)
    
    return temp

方案3：调整测试用例（或忽略dtype检查） #

如果确认业务逻辑中dtype差异不影响结果，可以在测试时关闭dtype检查：

# Test 1
self.assertTrue(output.equals(create_combo_npi_and_date_col(input), check_dtype=False), 'test 1 has failed')
# Test 2
self.assertTrue(output.equals(create_combo_npi_and_date_col(input), check_dtype=False), 'test 2 has failed')

内容的提问来源于stack exchange，提问作者Ryan Folks