如何验证依赖于该特定行中其他值的数据框中的值？答案

【问题标题】：How do I validate a value in a dataframe which is dependent on other value in that specific row?如何验证依赖于该特定行中其他值的数据框中的值？
【发布时间】：2021-12-20 10:37:29
【问题描述】：

假设我有一个遵循这种格式的 .csv：

姓名、薪水、部门、必填

Rob，5500，航空，是的

鲍勃，1000，设施，否

汤姆，6000，IT，是的

将其导出到 pandas/modin 后，我想执行行区分检查，其中：

叫 Rob 在航空业工作的人的收入不能低于 5000
在工厂工作的叫 Bob 的人的收入不能低于 1000
在设施工作的人必须报告他们的工资，而在航空或 IT 工作的人可以选择不报告他们的工资。
如果违反任何检查，我们会将其存储在数据框中，并将此案例转交给人力资源部门进行进一步调查。

您将如何使用 Pandera 验证此 .csv？

【问题讨论】：

标签： pandas pandera

【解决方案1】：

根据您使用的 API，您可以查看 wide checks 以获取基于对象的 API，或查看 dataframe checks 以获取基于类的 API。

注意：下面的代码 sn-ps 未经测试，但应该朝着正确的方向发展

基于类的 API：

import pandera as pa
from pandera.typing as Series

class Schema(pa.SchemaModel):
    Name: Series[str]
    Salary: Series[int]
    Department: Series[str]
    Mandatory: Series[str]
    
    @pa.dataframe_check
    def rob_aviation_check(cls, df) -> Series[bool]:
        return df.loc[df["Name"] == "Rob" & df["Department"] == "Aviation", "Salary"] >= 5000

基于对象的 API：

schema = DataFrameSchema(
    columns={
        "Name": pa.Column(str),
        "Salary": Pa.Column(int),
        ...
    }
    checks=[
        pa.Check(lambda df: df.loc[df["Name"] == "Rob" & df["Department"] == "Aviation", "Salary"] >= 5000)
    ]
)

【讨论】：