如何无需调用验证函数，强制Pandas DataFrame主键唯一性并实时校验？

如果你想让Pandas在修改数据时实时校验主键唯一性，无需手动调用验证函数，这里有几个可行的方案：

1. 利用索引的唯一性约束（最简方案） #

Pandas的索引本身支持唯一性校验，把主键列设为索引并开启verify_integrity=True，后续任何导致索引重复的操作都会直接抛出错误：

import pandas as pd

# 创建带唯一索引（主键）的DataFrame
df = pd.DataFrame(
    {"value": ["a", "b", "c"]},
    index=pd.Index([1, 2, 3], name="id", verify_integrity=True)
)

# 尝试修改索引为重复值，直接触发错误
df.index = [1, 1, 3]  # 报错：ValueError: cannot set a row index with duplicate values

如果需要保留主键列，可以先设索引再用reset_index()转回列，但修改列时需额外加校验，不如直接用索引作为主键载体更省心。

2. 自定义DataFrame子类，重写修改方法 #

继承pd.DataFrame，给所有可能修改数据的方法（赋值、追加行等）加上校验逻辑，修改前自动检查主键是否重复：

import pandas as pd

class UniqueKeyDF(pd.DataFrame):
    def __init__(self, *args, primary_key=None, **kwargs):
        super().__init__(*args, **kwargs)
        self.primary_key = primary_key
        if primary_key:
            self._check_primary_key()

    def _check_primary_key(self):
        if self[self.primary_key].duplicated().any():
            raise ValueError(f"主键「{self.primary_key}」有重复值！")

    # 重写赋值操作，修改主键列后自动校验
    def __setitem__(self, key, value):
        super().__setitem__(key, value)
        if key == self.primary_key:
            self._check_primary_key()

    # 重写loc赋值，确保修改主键时校验
    def loc(self, *args, **kwargs):
        result = super().loc(*args, **kwargs)
        if isinstance(result, UniqueKeyDF):
            result._check_primary_key()
        return result

    # 追加行后校验
    def append(self, other, **kwargs):
        super().append(other, **kwargs)
        self._check_primary_key()
        return self

使用示例：

df = UniqueKeyDF({"id": [1,2,3], "val": ["x","y","z"]}, primary_key="id")

# 尝试把主键改成重复值，立刻报错
df["id"] = [1,1,3]  # 报错：ValueError: 主键「id」有重复值！

这种方式能覆盖大多数常见的修改操作，确保任何违规操作都即时触发错误。

3. 给原生DataFrame加访问器扩展校验 #

不用自定义子类，通过Pandas的访问器功能给原生DataFrame添加实时校验能力：

import pandas as pd

@pd.api.extensions.register_dataframe_accessor("constraints")
class ConstraintsAccessor:
    def __init__(self, df_obj):
        self._df = df_obj
        self.primary_key = None

    def set_primary_key(self, key):
        self.primary_key = key
        self._check_unique()

    def _check_unique(self):
        if self.primary_key and self._df[self.primary_key].duplicated().any():
            raise ValueError(f"主键「{self.primary_key}」存在重复值！")

# 重写原生DataFrame的赋值方法，修改主键列时自动校验
original_setitem = pd.DataFrame.__setitem__
def new_setitem(self, key, value):
    original_setitem(self, key, value)
    if hasattr(self, "constraints") and self.constraints.primary_key == key:
        self.constraints._check_unique()

pd.DataFrame.__setitem__ = new_setitem

使用示例：

df = pd.DataFrame({"id": [1,2,3], "val": ["a","b","c"]})
df.constraints.set_primary_key("id")

# 修改主键为重复值，马上报错
df["id"] = [1,2,2]  # 报错：ValueError: 主键「id」存在重复值！

这种方式不需要改变你平时使用DataFrame的习惯，直接给现有对象添加约束即可。

内容的提问来源于stack exchange，提问作者David K.