Python列表无equals()方法，判断相等用==；pandas DataFrame才支持df.equals()，它处理NaN更合理且要求索引列对齐。
Python里没有list.equals()，别被名字骗了
Python原生列表对象根本没有equals()方法——调用会直接报AttributeError: 'list' object has no attribute 'equals'。这个错误常出现在从Java或pandas迁移到纯Python的人身上。如果你在用pandas DataFrame，那df.equals()确实存在；但如果是两个普通list，得换思路。
判断两个list是否完全一致：用==就够了，但要注意深层结构
==对列表做逐元素递归比较，语义上就是“内容完全相同”，包括顺序、嵌套结构和元素值。它比is（地址比较）和set(a) == set(b)（忽略顺序和重复）更严格，也更符合“完全一致”的原始需求。
- 如果列表含字典、嵌套列表等可变对象，
==仍能正确工作（前提是元素本身支持==） - 若需忽略顺序，不要用
set——它会丢弃重复项，比如[1, 1, 2]和[1, 2, 2]会被误判为相等 - 想忽略重复又保序？得先去重再比：
list(dict.fromkeys(a)) == list(dict.fromkeys(b))，但这已不是“完全一致”，而是“去重后一致”
pandas DataFrame用equals()对比前必须确认索引和列对齐
如果你实际处理的是表格数据（比如CSV读入的DataFrame），df1.equals(df2)才是正解——但它比==更苛刻：
-
df1 == df2返回布尔DataFrame，不是True/False；而.equals()才返回标量结果 - 两DataFrame索引不一致（哪怕值相同但顺序不同）或列名顺序不同，
.equals()直接返回False - 含NaN时，
==会返回False，但.equals()把NaN视为相等（这是它的设计优势） - 建议对比前先标准化：
df1.sort_index().sort_index(axis=1).equals(df2.sort_index().sort_index(axis=1))
去重后再比，别用set()，改用sorted(Counter())或frozenset()加长度校验
真要“去重后一致”，又不想丢失重复信息导致误判，靠set太危险。稳妥做法是校验两个维度：元素集合相同 + 长度相同（即重复次数也一致）：
立即学习“Python免费学习笔记（深入）”；
from collections import Counter a = [1, 1, 2, 3] b = [1, 2, 2, 3] Counter(a) == Counter(b) # False → 正确识别出重复次数不同
-
Counter保留频次，==对Counter对象是按键值对全量比，安全 - 如果元素不可哈希（如含字典的列表），得先转成可哈希表示，比如
json.dumps(sorted(item.items()))，但性能差，慎用 - 别写
sorted(set(a)) == sorted(set(b))——它既丢频次又无法处理不可哈希对象
去重逻辑和相等判断是两件事，混在一起容易漏掉重复次数或嵌套结构差异，动手前先明确：你要的到底是“逐位相同”，还是“成分相同”，还是“成分+频次相同”。
