Pandera多列联合校验问题：如何排除无关列的错误提示

问题根源在于Pandera的DataFrameSchema默认启用strict=True，会严格校验DataFrame的列集合与schema定义的列完全匹配，未在schema中定义的列（如示例中的x、y）会被标记为未校验列出现在结果中。以下是两种可行的解决方法：

方法1：设置strict=False忽略无关列 #

在创建DataFrameSchema时添加strict=False参数，这样Pandera会跳过对schema未定义列的检查，不会将它们纳入校验结果：

df = pd.DataFrame({'preg': [1, 0, 0], 'nr_preg': [2, np.nan, 1], 'x': [1, 2, 3], 'y': [1, 2, 3]})
schema = pa.DataFrameSchema(
    columns={
        'preg': pa.Column(int, pa.Check.isin([1, 0]), nullable=True),
        'nr_preg': pa.Column(float, pa.Check.in_range(1, 10), nullable=True),
    },
    checks=[
        pa.Check(lambda df: ~((df['preg'].isin([np.nan, 0])) & (
            df['nr_preg'] > 0)), ignore_na=False, error="Error_A")
    ],
    strict=False  # 忽略未在schema中定义的列
)

# 执行校验
schema.validate(df)

方法2：校验前过滤出目标列 #

如果希望完全排除无关列的干扰，可以在校验前只保留schema中定义的列：

df = pd.DataFrame({'preg': [1, 0, 0], 'nr_preg': [2, np.nan, 1], 'x': [1, 2, 3], 'y': [1, 2, 3]})
schema = pa.DataFrameSchema(
    columns={
        'preg': pa.Column(int, pa.Check.isin([1, 0]), nullable=True),
        'nr_preg': pa.Column(float, pa.Check.in_range(1, 10), nullable=True),
    },
    checks=[
        pa.Check(lambda df: ~((df['preg'].isin([np.nan, 0])) & (
            df['nr_preg'] > 0)), ignore_na=False, error="Error_A")
    ])

# 过滤出schema定义的列
target_columns = list(schema.columns.keys())
filtered_df = df[target_columns]

# 对过滤后的DataFrame执行校验
schema.validate(filtered_df)

额外说明 #

你初始尝试中重复定义'preg'列的方式是错误的，后定义的列会覆盖之前的配置，将联合校验逻辑放在checks列表中的做法是正确的，只需补充上述处理无关列的配置即可。

内容的提问来源于stack exchange，提问作者wl_