如何使用Pandera允许DataFrame列支持多种数据类型？

你之前用typing.Union的写法无效，是因为Pandera的SchemaModel不支持直接用Python标准库的Union定义Series的多类型约束。下面给你三种可行的实现方式，按需选择：

方案1：自动转换为统一类型（推荐） #

如果希望最终id列统一为字符串类型，同时兼容输入的int值，可以用pa.String(coerce=True)开启自动类型转换：

import pandera as pa
from pandera.typing import Series

class Schema(pa.SchemaModel):
    name: Series[str]
    id: Series[pa.String(coerce=True)]

验证时，Pandera会自动把int类型的id值转换成字符串，既通过Schema校验，又保证后续数据类型统一。

方案2：允许列的dtype为str或int #

如果不需要转换类型，只是允许整列的dtype是int或者str（比如某批次数据id全是int，另一批次全是str），可以用Pandera内置的pa.Union指定多类型：

import pandera as pa
from pandera.typing import Series

class Schema(pa.SchemaModel):
    name: Series[str]
    id: Series[pa.Union([pa.String, pa.Int])]

也可以用pa.DataType直接传入类型列表：

class Schema(pa.SchemaModel):
    name: Series[str]
    id: Series[pa.DataType([str, int])]

方案3：支持列内混合str和int元素 #

如果同一列里同时存在字符串和整数元素（比如某行id是"abc123"，另一行是123），可以用pa.Check函数校验每个元素的类型：

import pandera as pa
from pandera.typing import Series

class Schema(pa.SchemaModel):
    name: Series[str]
    id: Series[object] = pa.Field(
        check=pa.Check(lambda col: col.apply(lambda val: isinstance(val, (str, int))).all())
    )

这种方式会逐行检查每个id元素是否是str或int类型，适合混合类型的列场景。

内容的提问来源于stack exchange，提问作者Neele22