如何获取Pandera警告中的失败行索引（而非仅字符串形式）

方案一：直接捕获SchemaWarning对象（推荐） #

Pandera的警告本质是SchemaWarning实例，默认被转成字符串输出，你可以通过Python的warnings模块捕获原始对象，直接获取failure_cases：

import pandas as pd
import pandera as pa
from pandera.errors import SchemaWarning
import warnings

# 初始化列表存警告对象
captured_warnings = []

# 捕获所有警告
with warnings.catch_warnings(record=True) as w_list:
    warnings.simplefilter("always")
    # 示例校验逻辑，开启lazy模式+warn_only规则
    schema = pa.DataFrameSchema(
        {
            "col1": pa.Column(int),
            "col2": pa.Column(int, pa.Check(lambda x: x > 0, warn_only=True))
        }
    )
    # 执行校验
    df = pd.DataFrame({"col1": [1, 2, 3], "col2": [1, -1, 3]})
    schema.validate(df, lazy=True)

    # 筛选出Pandera的SchemaWarning对象
    for warn in w_list:
        if issubclass(warn.category, SchemaWarning):
            captured_warnings.append(warn.message)

# 提取失败行索引
for warn_obj in captured_warnings:
    print("警告对应的失败行索引：", warn_obj.failure_cases["index"].tolist())

方案二：正则解析警告字符串（应急用） #

如果不想改现有代码结构，可以从警告字符串里用正则匹配索引：

import re

# 假设你捕获到的警告文本是warn_str
warn_str = "SchemaWarning: Column 'col2' failed check: lambda x: x > 0.\nfailure cases:\n   index  col2\n1      1    -1"

# 截取failure cases部分，匹配索引列数值
failure_part = warn_str.split("failure cases:")[-1]
failed_indices = [int(idx) for idx in re.findall(r'^\s*(\d+)\s+', failure_part, re.MULTILINE)]
print("提取的失败行索引：", failed_indices)

注意点 #

• 必须开启lazy=True，否则Pandera遇到校验问题会直接抛出错误，不会触发警告
• 只有设置了warn_only=True的校验规则，才会以警告形式返回，这类规则的失败信息都会存在SchemaWarning的failure_cases里

内容的提问来源于stack exchange，提问作者Naxi