你可以使用assert_frame_equals和check_names=False（以免检查索引/列名称），如果它们不相等，则会引发：

In [11]: from pandas.testing import assert_frame_equal

In [12]: assert_frame_equal(df, expected, check_names=False)

字符串
你可以将它 Package 在一个函数中，如下所示：

try:
    assert_frame_equal(df, expected, check_names=False)
    return True
except AssertionError:
    return False

型
在最近的pandas中，这个功能被添加为.equals：

df.equals(expected)

型

NaN的特性之一是NaN != NaN是True。
查看this answer，了解使用numexpr实现此功能的好方法。

(a == b) | ((a != a) & (b != b))

字符串
这样说（在伪代码中）：

a == b or (isnan(a) and isnan(b))

型
因此，要么a等于b，要么a和b都是NaN。
如果你有小帧，那么assert_frame_equal就可以了。但是，对于大帧（1000万行），assert_frame_equal几乎没有用处。我不得不打断它，它花了太长时间。

In [1]: df = DataFrame(rand(1e7, 15))

In [2]: df = df[df > 0.5]

In [3]: df2 = df.copy()

In [4]: df
Out[4]:
<class 'pandas.core.frame.DataFrame'>
Int64Index: 10000000 entries, 0 to 9999999
Columns: 15 entries, 0 to 14
dtypes: float64(15)

In [5]: timeit (df == df2) | ((df != df) & (df2 != df2))
1 loops, best of 3: 598 ms per loop

型
（推测）所需单个bool的timeit，指示两个DataFrame是否相等：

In [9]: timeit ((df == df2) | ((df != df) & (df2 != df2))).values.all()
1 loops, best of 3: 687 ms per loop

型

喜欢@PhillipCloud的回答，但更多的是写出来的

In [26]: df1 = DataFrame([[np.nan,1],[2,np.nan]])

In [27]: df2 = df1.copy()

字符串
它们真的是等价的

In [28]: result = df1 == df2

In [29]: result[pd.isnull(df1) == pd.isnull(df2)] = True

In [30]: result
Out[30]: 
      0     1
0  True  True
1  True  True

型
df 2中不存在于df 1中的nan

In [31]: df2 = DataFrame([[np.nan,1],[np.nan,np.nan]])

In [32]: result = df1 == df2

In [33]: result[pd.isnull(df1) == pd.isnull(df2)] = True

In [34]: result
Out[34]: 
       0     1
0   True  True
1  False  True

型
您也可以填充一个您知道不在框架中的值

In [38]: df1.fillna(-999) == df1.fillna(-999)
Out[38]: 
      0     1
0  True  True
1  True  True

型

任何使用==与np.NaN的等式比较都是False，即使np.NaN == np.NaN也是False。
简单地说，df1.fillna('NULL') == df2.fillna('NULL')，如果'NULL'不是原始数据中的值。
为了安全起见，请执行以下操作：
示例a）比较具有NaN值的两个 Dataframe

bools = (df1 == df2)
bools[pd.isnull(df1) & pd.isnull(df2)] = True
assert bools.all().all()

字符串
示例B）过滤df 1中与df 2不匹配的行

bools = (df1 != df2)
bools[pd.isnull(df1) & pd.isnull(df2)] = False
df_outlier = df1[bools.all(axis=1)]

型
(Note：这是错误的- bools[pd.isnull（df 1）== pd.isnull（df 2）] = False）

df.fillna(0) == df2.fillna(0)

字符串
可以使用fillna()。Documenation here的数据。

from pandas import DataFrame

# create a dataframe with NaNs
df = DataFrame([{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}])
df2 = df

# comparison fails!
print df == df2

# all is well 
print df.fillna(0) == df2.fillna(0)

型

从pandas 1.1.0开始就有了df.compare(expect)，如果出现任何差异，它会提供详细的结果。

米歇尔·德·鲁特尔的答案应该是当前的答案。发布一个答案，因为我没有足够的声誉添加评论。使用数据框架compare方法。
如果df和expect相等（包括NaN位置），df.compare(expect)将返回空 Dataframe （所有轴均为0长度）。您可以对结果使用empty dataframe属性。

assert(df.compare(expect).empty))

字符串