应使用 pandas.testing.assert_frame_equal 进行 DataFrame 断言，它严格校验索引、列名、dtype、值及 NaN 语义，支持容差比较（rtol/atol）、排序预处理和空值/空帧检测，失败时提供可读差异报告。
用 pandas.testing.assert_frame_equal 替代 == 或 assert
直接用 df1 == df2 或 assert df1.equals(df2) 会漏掉关键差异：NaN 处理、索引顺序、列类型不一致、空值语义等。真正可靠的断言必须用 pandas.testing.assert_frame_equal，它专为测试设计，失败时给出可读的差异报告。
常见错误现象：df1.equals(df2) 返回 True，但实际列 dtype 不同（比如一列是 int64，另一列是 Int64），后续计算可能出错；或两帧索引顺序不同但元素相同，equals 认为相等，而业务逻辑要求索引严格一致。
-
assert_frame_equal默认要求索引、列名、dtype、值全部严格匹配 - 若允许 NaN 相等（pandas 中
np.nan == np.nan是False），它自动按语义处理，无需额外转换 - 支持
check_dtype=False、check_index_type=False等开关，按需放宽校验 - 失败时抛出
AssertionError并附带具体行列差异（例如 “DataFrame.iloc[:, 0] are different”）
处理浮点数容差比较：用 rtol 和 atol
当数据帧含浮点运算结果（如模型预测输出、数值积分），直接精确比较大概率失败。不能靠 round() 后再比——会掩盖精度问题，也不符合测试意图。
正确做法是传入相对容差 rtol 和绝对容差 atol 参数：
立即学习“Python免费学习笔记（深入）”；
import pandas as pd
from pandas.testing import assert_frame_equal
<p>expected = pd.DataFrame({"x": [1.0, 2.0000001]})
actual = pd.DataFrame({"x": [1.0, 2.0]})</p><h1>允许绝对误差 ≤ 1e-6</h1><p>assert_frame_equal(expected, actual, atol=1e-6)注意：rtol 对小数值更敏感（如 1e-10 的 1% 是 1e-12），atol 保证极小值也能被覆盖。两者可同时使用，满足任一即通过。
- 不设容差时，默认
rtol=1e-5,atol=1e-8，但显式声明更安全 - 容差只作用于数值列；非数值列（str、bool、category）仍做精确比较
- 如果 DataFrame 含混合类型，容差参数不会报错，但仅对 float/int 列生效
忽略顺序差异：先排序再断言，别依赖 check_like
有人误以为 check_like=True 能跳过索引/列顺序检查——其实它只影响“是否按标签对齐比较”，不改变顺序容忍度。若两帧行顺序不同（如数据库查询未加 ORDER BY），check_like=True 仍会失败。
真实需求是“内容相同即可，顺序无关”。此时应显式标准化：
- 对行排序：
df.sort_values(by=list(df.columns)).reset_index(drop=True) - 对列排序：
df.reindex(sorted(df.columns), axis=1) - 再用
assert_frame_equal断言，且保持check_like=False（默认值） - 避免在测试中修改原始
expected，建议用.copy()处理
切勿用 df1.values == df2.values —— 它丢弃索引和列信息，且对 NaN 和 dtype 更不鲁棒。
测试空数据帧或含空值的场景：注意 check_names 和 check_exact
空 DataFrame（0 行或 0 列）容易被忽视。例如 pd.DataFrame(columns=["a", "b"]) 和 pd.DataFrame(columns=["b", "a"]) 结构不同，但 equals() 可能返回 True（取决于 pandas 版本），而 assert_frame_equal 默认检测列名顺序（check_names=True）。
含大量 None 或 pd.NA 时，需确认是否启用严格空值检查：
-
check_exact=False（默认）时，数值列允许浮点容差，但空值本身仍需语义相等（pd.NA == pd.NA为True） -
check_names=False可跳过列名/索引名比对，适用于动态列名场景（如时间戳列名含当前日期） - 若 DataFrame 使用
pd.StringDtype()或pd.BooleanDtype()，确保check_dtype=True（默认），否则可能掩盖类型不兼容隐患
最易被忽略的一点：pytest 运行时若捕获到 assert_frame_equal 抛出的异常，堆栈里看不到 DataFrame 差异详情——需确保没用 try/except 吞掉异常，或改用 pytest.raises(AssertionError) 显式验证失败场景。
