Pandas DataFrame Hash Unix 和 Windows 之间的值不同

Question

我注意到从 Pandas DataFrames 创建的 hash 值会根据以下代码片段是在 Unix 还是 Windows 上执行而发生变化。

import pandas as pd
import numpy as np
import hashlib

df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]),
                          columns=['a', 'b', 'c'])

hashvalue_new = hashlib.md5(df.values.flatten().data).hexdigest()
print(hashvalue_new)

上面的代码在 Windows 机器上打印d0ecb84da86002807de1635ede730f0a ，在 Unix 机器上打印586962852295d584ec08e7214393f8b2 。 比我更有知识（或更聪明）的人可以向我解释为什么会发生这种情况，并建议一种跨平台创建一致的 hash 值的方法吗？ 我正在运行 Python 3.8.5 和 pandas 1.2.5。

谢谢！

Answer 1

我不确定为什么会发生这种情况，但是我能够通过依赖pandas.util.hash_pandas_object来获得一致的结果，正如Stackoverflow 上其他地方所建议的那样。 完整的我的解决方案如下所示：

import pandas as pd
import numpy as np
import hashlib

df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['a', 'b', 'c'])

hashvalue_new = hashlib.md5(pd.util.hash_pandas_object(df, index=True).values).hexdigest()

这始终给我9762ced20d27292712e6a2065b6d6226跨操作系统。