Python如何检查DataFrame中word与color两列的映射一致性

• 方法1：分组统计唯一值
  按word分组后统计每个单词对应的color唯一值数量，只要有单词的唯一值数量大于1，就说明存在映射不一致的情况：

  # 筛选出映射不一致的单词
  inconsistent_words = df.groupby('word')['color'].nunique()[lambda x: x > 1]
  # 验证所有映射是否全部一致，返回True则全部一致
  is_all_consistent = inconsistent_words.empty
  

  如果返回的inconsistent_words为空，说明所有单词对应的颜色都固定，否则结果里会列出所有存在映射冲突的单词。
• 方法2：去重校验
  因为每个单词恰好出现2次，如果映射一致的话，word和color两列联合去重后，每个单词只会出现1次，不会有重复：

  dedup_df = df.drop_duplicates(subset=['word', 'color'])
  # 校验去重后是否有重复的单词，返回True则全部一致
  is_all_consistent = not dedup_df['word'].duplicated().any()
  

• 方法3：定位不一致的行
  如果你需要直接找到映射冲突的具体行，可以用分组取首次出现的颜色做对比：

  # 给每个行匹配对应单词第一次出现的颜色
  df['first_match_color'] = df.groupby('word')['color'].transform('first')
  # 筛选出颜色不一致的行
  inconsistent_rows = df[df['color'] != df['first_match_color']]
  

  返回的inconsistent_rows就是所有存在映射冲突的记录，可直接查看具体内容。

内容的提问来源于stack exchange，提问作者Lyam