如何用Pandas实现数据遍历、Location部分匿名化并生成独立PDF

核心思路 #

不用Faker（你不需要生成假位置，只是固定替换成掩码），也没必要用iterrows（效率偏低），直接通过循环索引复制原DataFrame，批量替换Location列值即可。步骤如下：

步骤1：安装依赖 #

需要用到pandas、pdfkit，另外pdfkit依赖wkhtmltopdf工具，得先安装：

• 安装Python包：

pip install pandas pdfkit

• 安装wkhtmltopdf：根据系统下载对应版本（Windows直接官网下载，Linux用包管理器apt-get install wkhtmltopdf）

步骤2：完整代码实现 #

import pandas as pd
import pdfkit

# 1. 读取Excel文件
df = pd.read_excel("your_file.xlsx")

# 2. 遍历每行，生成匿名化DataFrame并输出PDF
for idx in range(len(df)):
    # 复制原DataFrame，避免修改原始数据
    temp_df = df.copy()
    # 将除当前行外的Location列全部替换为########
    temp_df.loc[temp_df.index != idx, "Location"] = "########"
    
    # 3. 转换为HTML字符串
    html_str = temp_df.to_html(index=False, border=1, justify="center")
    
    # 4. 生成PDF文件，文件名用行索引区分
    pdf_filename = f"location_report_{idx+1}.pdf"
    pdfkit.from_string(html_str, pdf_filename)

关键细节解释 #

• 为什么不用iterrows？：iterrows会返回每行的索引和Series，但复制整个DataFrame的操作和直接用索引循环没区别，反而索引循环更直观高效。
• 为什么不用Faker？：你的需求是把非目标行的Location替换成固定掩码，不是生成真实感的假地址，所以直接赋值固定字符串就行，Faker完全多余。
• replace方法的替代：这里用loc定位非目标行进行赋值，比replace更精准，避免不小心替换到目标行的内容。

可选优化（针对大数据量） #

如果Excel数据量很大，每次复制DataFrame会占用较多内存，可以改成只修改Location列后再恢复：

original_locations = df["Location"].copy()
for idx in range(len(df)):
    # 先把所有Location替换为掩码
    df["Location"] = "########"
    # 恢复当前行的原始值
    df.loc[idx, "Location"] = original_locations[idx]
    
    # 后续转HTML和PDF操作同上
    html_str = df.to_html(index=False, border=1, justify="center")
    pdf_filename = f"location_report_{idx+1}.pdf"
    pdfkit.from_string(html_str, pdf_filename)

# 最后恢复原始数据（如果需要）
df["Location"] = original_locations

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