如何验证数据集指定行中所有变量的取值是否全部唯一

核心判断逻辑：提取目标行除行标识列（如示例中的Name列）外的所有数值，对比去重后的数据长度与原数据长度，二者相等则所有取值唯一，返回TRUE，否则返回FALSE。

常用工具实现方案 #

• Python（Pandas场景） #

import pandas as pd

# 示例构造数据集，实际使用可替换为pd.read_csv/读取你自己的文件
df = pd.DataFrame({
    "Name": ["A", "B", "C", "D"],
    "F": [1,2,3,4],
    "S": [2,3,4,5],
    "T": [3,4,5,4]
})

def check_row_unique(df, target_row_name):
    # 提取目标行，排除Name列后提取所有取值
    row_values = df[df["Name"] == target_row_name].drop("Name", axis=1).values.flatten().tolist()
    # 对比去重前后长度是否一致
    return len(set(row_values)) == len(row_values)

# 调用示例：判断D行
print(check_row_unique(df, "D"))
# 第一个示例输出为True，第二个示例输出为False

• R语言场景 #

# 示例构造数据集，实际使用可替换为read.csv读取你自己的文件
df <- data.frame(
  Name = c("A", "B", "C", "D"),
  F = c(1,2,3,4),
  S = c(2,3,4,5),
  T = c(3,4,5,4)
)

check_row_unique <- function(df, target_row_name) {
  # 提取目标行排除Name列的取值
  row_values <- unlist(df[df$Name == target_row_name, !names(df) %in% "Name"])
  # 判断去重后长度是否和原长度相等
  return(length(unique(row_values)) == length(row_values))
}

# 调用示例
check_row_unique(df, "D")
# 第一个示例输出为TRUE，第二个示例输出为FALSE

• Excel场景 #

假设你的数据存放在A~D列，A列为Name，第一行是表头，D行对应第5行数据，可直接在空白单元格输入公式：
=IF(SUMPRODUCT(1/COUNTIF(B5:D5,B5:D5))=COLUMNS(B5:D5),TRUE,FALSE)
公式逻辑：COUNTIF统计每个值的出现次数，取倒数求和后等于列数，说明所有值无重复。

内容的提问来源于stack exchange，提问作者Reda