如何在Pandas中简便判断两列是否为一对一关系

我之前也碰到过类似的需求，要快速验证DataFrame里任意两列是否存在严格的一对一映射关系——也就是每个列X的唯一值对应且仅对应列Y的一个唯一值，反之亦然。下面分享两种实用的实现方法，结合你的示例数据来演示：

方法一：双向分组检查唯一值 #

这种方法逻辑直观，分别验证两个方向的映射是否都是唯一的：

import pandas as pd

def is_one_to_one(df, col1, col2):
    # 检查col1 → col2的映射是否唯一：每个col1值对应唯一的col2值
    col1_to_col2_unique = df.groupby(col1)[col2].nunique().max() == 1
    # 检查col2 → col1的映射是否唯一：每个col2值对应唯一的col1值
    col2_to_col1_unique = df.groupby(col2)[col1].nunique().max() == 1
    # 双向都满足才是严格的一对一关系
    return col1_to_col2_unique and col2_to_col1_unique

方法二：通过组合唯一值数量判断 #

这种方法更简洁，利用了“一对一关系下，两列组合的唯一行数等于每列各自的唯一值数量”这个特性：

def is_one_to_one(df, col1, col2):
    # 获取两列组合的唯一行数
    combined_unique_count = df[[col1, col2]].drop_duplicates().shape[0]
    # 获取每列的唯一值数量
    col1_unique_count = df[col1].nunique()
    col2_unique_count = df[col2].nunique()
    # 只有当组合唯一数等于两列各自的唯一数时，才是一对一
    return combined_unique_count == col1_unique_count and combined_unique_count == col2_unique_count

测试你的示例数据 #

先构造你提供的示例DataFrame：

data = {
    'A': ['a', 'b', 'c'],
    'B': ['apple', 'banana', 'apple'],
    'C': [1, 2, None]
}
df = pd.DataFrame(data)

运行测试后：

• is_one_to_one(df, 'A', 'B') → 返回False（因为B列的'apple'对应A列的'a'和'c'，双向映射不唯一）

  补充：如果你的预期中A&B是TRUE，可能是把“单向唯一映射”（每个A对应唯一B）当成了一对一。严格的一对一要求双向唯一，若只需单向检查，修改函数返回col1_to_col2_unique即可。

• is_one_to_one(df, 'A', 'C') → 若C列第三行是None，会返回True；如果是和第一行重复的1，则返回False（符合你的预期）
• is_one_to_one(df, 'B', 'C') → 返回False（B的'apple'对应C的1和None，映射不唯一）

注意事项 #

• 缺失值处理：Pandas会把NaN/None当作独立的唯一值，若某列有多个缺失值，会直接破坏一对一关系（除非对应的另一列值完全相同）。
• 性能：两种方法在大数据集上的表现相近，分组法更易理解，组合计数法代码更简洁。

内容的提问来源于stack exchange，提问作者user1895076