确定熊猫数据框的列是否唯一标识行

Question

我正在寻找一种方法来确定pandas数据框的一个列或一组列是否唯一地标识该数据框的行。我已经在Stata中看到了这个称为isid函数的函数。

我能想到的最好的方法是使用集合理解来获取列的子集的唯一值，并断言集合中的值与数据帧中的行一样多：

subset = df[["colA", "colC"...]]
unique_vals = {tuple(x) for x in subset.values}
assert(len(unique_vals) == len(df))

这不是世界上最优雅的答案，所以我想知道是否有内置函数可以执行此操作，或者是否可以测试列的子集是否为唯一值索引。

Answer 1

您可以建立索引并检查其is_unique属性：

import pandas as pd

df1 = pd.DataFrame([(1,2),(1,2)], columns=list('AB'))

df2 = pd.DataFrame([(1,2),(1,3)], columns=list('AB'))

print(df1.set_index(['A','B']).index.is_unique)
# False

print(df2.set_index(['A','B']).index.is_unique)
# True