DataComPy是一個比較兩個Pandas.DataFrame的第三方庫。它最初是用來替代SAS的Pandas DataFrames的比較程序的，它的功能比Pandas.DataFrame.equals(DataFrame)更多，如支持打印詳細的統計數據，並允許我們通過參數設置匹配的精確程度。同時將該功能擴展到了SparkDataframes，滿足數據集巨大時的比對需求。
DataComPy 安裝
我們在Windows10 Python3環境中使用pip進行安裝，安裝命令如下：
pip install datacompy
安裝過程如下：
演示數據集
我們利用source、target 兩個數據集，介紹如何使用datacompy 模塊實現數據集之間的比較，為了方便查看，其中紅色部分為兩個數據集的差異部分，如下圖：
DataComPy 使用
直接上代碼，如下。datacompy.Compare() 方法使用簡單，註釋比較清楚，就不多做介紹了。
通過compare.report() 方法，我們可以非常清晰的看到兩個數據集的差異，比如DataFrame 數據集概述，列、行比較結果概述以及詳細差異描述如下：
除此之外，compare 也提供了另外一些比較方便的方法，如下
執行上述代碼，輸出結果為：
最後，compare 也有一定的侷限性，在比較的數據集時需要數據加載到內存中，如果比對數據集非常大，這可能是一個限制。
分享到:
閱讀更多 軟件測試開發技術棧 的文章
