如何判断Python DataFrame中两列是否为重命名的同一特征？

要验证Animal_Common_Name和Animal_Scientific_Name是否完全相互决定（即一列可完全由另一列推导，互为冗余），可以通过双向验证一一对应关系来实现，下面是具体方法和自定义函数：

核心逻辑 #

两列完全相互决定需要同时满足两个条件：

• 每个俗名对应唯一的学名
• 每个学名对应唯一的俗名

自定义实现函数 #

你可以自己写一个轻量函数来完成判断：

def check_one_to_one_mapping(df, col_a, col_b):
    # 检查col_a的每个值是否仅对应唯一的col_b值
    a_to_b_unique = df.groupby(col_a)[col_b].nunique().max() == 1
    # 检查col_b的每个值是否仅对应唯一的col_a值
    b_to_a_unique = df.groupby(col_b)[col_a].nunique().max() == 1
    return a_to_b_unique and b_to_a_unique

使用示例 #

假设你的DataFrame名为zoo_df，直接调用函数即可：

is_redundant = check_one_to_one_mapping(zoo_df, 'Animal_Common_Name', 'Animal_Scientific_Name')

如果返回True，说明两列完全相互决定，其中一列属于冗余特征；返回False则说明存在一对多或多对一的映射关系，两列并非完全冗余。

注意事项 #

• 如果数据存在缺失值（NaN），建议先通过df.dropna(subset=[col_a, col_b])过滤缺失行，避免缺失值干扰判断结果。
• 该方法适用于大型DataFrame，groupby和nunique操作在Pandas中经过优化，处理大数据量效率较高。

内容的提问来源于stack exchange，提问作者Floralys