使用Pytest结合Pandas DataFrame实现特定列的自定义断言测试

针对你提出的三个断言需求，以下是基于Pandas的通用实现方法，避免逐元素检查：

断言1：同一ID对应的所有decision值一致 #

通过分组统计每个ID的decision唯一值数量，确保所有ID的唯一值数量均为1：

# 验证同一ID的decision无重复值
id_decision_unique_counts = result_df.groupby('ID')['decision'].nunique()
assert all(id_decision_unique_counts == 1), "存在同一ID对应多种decision值的异常"

断言2：不同ID对应的decision值互不相同 #

通过对比ID和decision的唯一值数量，确保两者数量一致（每个ID对应唯一的decision）：

# 验证不同ID的decision无重复
assert result_df['decision'].nunique() == result_df['ID'].nunique(), "存在不同ID共享同一decision值的异常"

断言3：指定ID的decision值符合预期 #

利用Pandas官方的pd.testing.assert_frame_equal方法，构造预期结果的小DataFrame后与实际结果对比，避免逐元素判断：

import pandas as pd

# 构造指定ID的预期结果
expected = pd.DataFrame({
    'ID': ['00001', '00002'],
    'decision': ['plus', 'minus']
})

# 从结果中筛选指定ID的行并统一排序（避免顺序差异导致断言失败）
actual = result_df[result_df['ID'].isin(expected['ID'])].sort_values('ID').reset_index(drop=True)
expected_sorted = expected.sort_values('ID').reset_index(drop=True)

# 执行断言
pd.testing.assert_frame_equal(actual, expected_sorted, check_dtype=False)

注：check_dtype=False可根据实际需求调整，如果需要严格匹配数据类型可移除该参数。

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