如何检查Pandas DataFrame指定列所有值均为目标字符串（如Jack）

要验证DataFrame某一列的所有值均为指定字符串（比如示例中AAA列全是"Jack"），可以用以下几种简洁的实现方式：

方法1：直接逐元素比较 + 全量验证（推荐） #

利用==比较列中每个元素与目标字符串，再用all()判断是否所有比较结果都为True，逻辑直观且高效：

import pandas as pd

data = {
    'AAA': ['Jack','Jack','Jack','Jack','Jack'],
    'BBB': ['January', 'February', 'February', 'April', 'January'],
    'CCC': [85, 96, 55, 64,60]
}

df = pd.DataFrame(data)

# 验证AAA列是否全为"Jack"
is_all_jack = (df['AAA'] == 'Jack').all()
print(is_all_jack)  # 输出: True

方法2：先确认值唯一，再验证目标值 #

如果你需要先确保列中只有唯一值，再验证这个值是目标字符串，可以结合nunique()和取首元素判断：

# 先判断列中只有唯一值，再验证该值为"Jack"
is_all_jack = df['AAA'].nunique() == 1 and df['AAA'].iloc[0] == 'Jack'
print(is_all_jack)  # 输出: True

方法3：检查唯一值数组是否匹配目标 #

通过unique()获取列的唯一值数组，直接判断该数组是否与目标字符串组成的数组完全一致：

is_all_jack = (df['AAA'].unique() == ['Jack']).all()
print(is_all_jack)  # 输出: True

注意事项 #

• 如果列中存在缺失值（NaN），以上方法需要额外处理：比如NaN == 'Jack'会返回False，若需要忽略缺失值，可以先过滤掉NaN再验证，例如(df['AAA'].dropna() == 'Jack').all()。

内容的提问来源于stack exchange，提问作者lucky1928