如何在Python 3的Pandas DataFrame中使用断言进行列间逻辑校验？

完全可以用断言来做这个校验，而且只要处理得当，可读性和实用性都会比你现在的标记列方式更强——毕竟断言会在数据不符合预期时直接抛出错误终止程序，避免后续基于错误数据继续处理，还能通过自定义提示信息快速定位问题。

先给你优化一下数据处理的代码（比你原来的两次分组再合并更简洁，减少冗余）：

# 按Bar分组，一次性完成提取首值和求和操作
df_agg = sbbac.groupby('Bar', as_index=False).agg(
    Gross_Sales_per_Bar=('Gross Sales per Bar', 'first'),
    Summed_Gross_Sales_per_Category=('Gross Sales per Category', 'sum')
)

接下来给你两种实用的断言校验方式：

方式一：快速全局校验 #

直接检查所有行的两个值是否完全相等，加上清晰的错误提示：

# 断言所有Bar的两类销售额完全匹配
assert (df_agg['Gross_Sales_per_Bar'] == df_agg['Summed_Gross_Sales_per_Category']).all(), \
"数据校验失败：存在Bar的「Gross Sales per Bar」与求和后的「Gross Sales per Category」不匹配！"

如果有任何一行不匹配，程序会立刻抛出AssertionError并显示你写的提示语，一目了然。

方式二：带详细错误信息的校验 #

如果需要知道具体哪些Bar不匹配，可以先筛选出异常行，再断言异常行数量为0：

# 筛选出不匹配的记录
mismatched_records = df_agg[
    df_agg['Gross_Sales_per_Bar'] != df_agg['Summed_Gross_Sales_per_Category']
]
# 断言没有异常记录，同时在失败时输出具体异常内容
assert len(mismatched_records) == 0, \
f"数据校验失败：发现{len(mismatched_records)}条不匹配的Bar记录：\n{mismatched_records}"

这种方式在调试时特别有用，断言失败会直接把所有不匹配的行打印出来，帮你快速定位问题。

至于你担心的可读性问题，只要给断言加上明确的错误提示，反而比原来的标记列更直观——不用事后去检查标记列找问题，一旦数据不符合逻辑就立刻报错，还能明确告诉你哪里错了。

内容的提问来源于stack exchange，提问作者leeand00