如何检查DataFrame中的两列是否存在配对关系

嘿，这个场景我经常遇到！要验证你的DataFrame里A和B列是否存在严格的配对关系（比如每个A值对应唯一的B值，或者双向的一一对应），可以用下面这些实用的pandas方法，简单直接还能定位问题：

这是最基础的验证方式——先按A分组，统计每组里B的唯一值数量，如果所有组的数量都是1，说明每个A确实对应唯一的B：

import pandas as pd

# 假设你的DataFrame名为df
unique_check = df.groupby('A')['B'].nunique()
# 筛选出对应多个B值的A
problem_A = unique_check[unique_check > 1]

if problem_A.empty:
    print("✅ 所有A值都对应唯一的B值")
else:
    print("❌ 存在A值对应多个不同的B值：")
    print(problem_A)

如果你需要确认是双向一一配对（B也只能对应一个A），用同样的逻辑反向检查：

reverse_check = df.groupby('B')['A'].nunique()
problem_B = reverse_check[reverse_check > 1]

if problem_B.empty:
    print("✅ 所有B值都对应唯一的A值")
else:
    print("❌ 存在B值对应多个不同的A值：")
    print(problem_B)

如果前面的检查发现了问题，想要找到到底哪些行不符合配对关系，可以先建立A到B的映射字典，再逐行验证：

# 生成A到B的基准映射（取每个A第一次出现的B值）
ab_mapping = df.drop_duplicates(subset=['A']).set_index('A')['B'].to_dict()

# 找出所有不符合映射的行
mismatch_rows = df[df.apply(lambda row: row['B'] != ab_mapping[row['A']], axis=1)]

if mismatch_rows.empty:
    print("✅ 所有行的A-B配对完全一致")
else:
    print("❌ 发现不一致的配对行：")
    print(mismatch_rows)

如果想更直观地看配对分布，可以用交叉表或者热力图：

# 生成A-B配对的交叉计数表
cross_table = pd.crosstab(df['A'], df['B'])
print("A-B配对计数表：")
print(cross_table)
# 严格配对的情况下，每行和每列都应该只有一个非零值

# 用热力图可视化（需要seaborn和matplotlib）
import seaborn as sns
import matplotlib.pyplot as plt

sns.heatmap(cross_table, annot=True, cmap='Blues', cbar=False)
plt.title('A-B Pair Distribution')
plt.xlabel('B Values')
plt.ylabel('A Values')
plt.show()

根据你的需求选择对应方法就行：如果只需要A对应唯一B，用方法1；如果要双向一一对应，结合方法1和2；想找具体错误行就用方法3；可视化适合快速做全局检查。

内容的提问来源于stack exchange，提问作者baked goods