如何使用Python hypothesis库生成列值存在依赖的Pandas DataFrame

问题原因 #

你当前写法中使用的st.shared(id1)的作用是让id2策略全局共享id1生成的单个值，而非每行维度共享对应行的id1值，因此会出现所有行的id2均为同一固定值的问题，不符合列联动的需求。

解决方案 #

方案1：行级策略定义（适合复杂行内多列依赖） #

通过data_frames的rows参数定义每行的字段依赖规则，可灵活实现多列的联动逻辑：

from hypothesis import strategies as st
from hypothesis.extra.pandas import data_frames, column, range_indexes

def create_dataframe():
    # 定义单行列值联动规则
    row_strategy = st.fixed_dictionaries({
        "id1": st.integers(),
    }).map(lambda d: (d["id1"], d["id1"] * 2))

    return data_frames(
        index=range_indexes(min_size=10, max_size=100),
        columns=[
            column(name="id1", dtype=int),
            column(name="id2", dtype=int)
        ],
        rows=row_strategy
    ).filter(lambda df: df["id1"].is_unique)

方案2：基础DF扩展（适合整列计算类依赖，更推荐） #

如果列依赖是整列的简单计算逻辑，可先生成基础字段的DataFrame，再通过map方法新增依赖列，性能更优且逻辑更直观，不需要额外去重过滤：

from hypothesis import strategies as st
from hypothesis.extra.pandas import data_frames, column, range_indexes

def create_dataframe():
    # 先生成含唯一id1的基础DataFrame
    base_df = data_frames(
        index=range_indexes(min_size=10, max_size=100),
        columns=[column(name="id1", elements=st.integers(), unique=True, dtype=int)]
    )
    # 新增联动列id2
    return base_df.map(lambda df: df.assign(id2=df["id1"] * 2))

两种方案生成的DataFrame都能保证每行的id2等于对应行id1的两倍，满足列联动需求。

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