如何使用Pandera结合其他列校验DataFrame指定列的值？

你的问题出在列级校验默认只接收单列数据，而你在column_B的Check里尝试访问整个DataFrame的column_A，导致Pandera无法识别逻辑。跨列校验需要用DataFrame级别的校验规则，直接对整个DataFrame进行判断。

正确实现代码 #

import numpy as np
import pandas as pd
import pandera as pa

dataframe = pd.DataFrame({'column_A': ['ABC company', 'BBB company', 'ABC company', 'CCC company'],
                          'column_B': ['1000', np.NaN, '2000', np.NaN]
                          })

schema = pa.DataFrameSchema(
    columns={
        'column_A': pa.Column(pa.String),
        'column_B': pa.Column(pa.String, nullable=True)
    },
    # 添加DataFrame级跨列校验规则
    checks=[
        pa.Check(
            lambda df: ~((df['column_A'].str.contains('ABC')) & (df['column_B'].isna())),
            name="ABC_company_must_have_non_null_B",
            error="当column_A包含'ABC'时，column_B不能为缺失值"
        )
    ]
)

# 校验数据
schema.validate(dataframe)

关键说明 #

1. 规则逻辑：~((df['column_A'].str.contains('ABC')) & (df['column_B'].isna())) 表示：不存在"column_A含ABC且column_B为空"的行，完全匹配你的需求。
2. 为什么原来的代码失效：列级pa.Column的checks参数默认接收的是该列的Series（比如这里是column_B的所有值），而非整个DataFrame，所以lambda里的df['column_A']会因找不到对应键而报错。
3. 自定义错误信息：通过error参数可以指定更清晰的报错提示，方便定位问题行。

测试错误场景 #

如果把dataframe中第三行的column_B改为NaN：

dataframe.loc[2, 'column_B'] = np.NaN

执行schema.validate(dataframe)会直接抛出校验错误，明确指出违反规则的行，符合预期。

内容的提问来源于stack exchange，提问作者detrraxic