提升Python中关键词标记函数的鲁棒性问题问询

问题核心 #

原函数在BOM层级顺序混乱时漏标，本质是依赖行顺序或未正确处理Level的类型/数值比较，导致无法关联关键词所在行的上层层级。重构思路：不依赖行顺序，基于Level数值直接匹配所有上层行，同时处理类型异常。

重构代码 #

import pandas as pd

def tag_assemblies_by_levels(df, keywords):
    # 统一Level列为数值型，处理非数值/空值
    df['Level'] = pd.to_numeric(df['Level'], errors='coerce')
    # 初始化Tag列，避免无此列时的报错
    df['Tag'] = df.get('Tag', pd.Series(dtype='object'))
    
    # 遍历关键词（后处理的关键词会覆盖先处理的，可调整顺序控制优先级）
    for tag_label, keyword in keywords.items():
        # 筛选匹配关键词的有效行（排除Description为空/NaN的情况）
        match_mask = df['Description'].str.contains(keyword, case=False, na=False)
        match_rows = df[match_mask]
        
        if match_rows.empty:
            continue
        
        # 获取所有匹配行的唯一Level值
        target_levels = match_rows['Level'].unique()
        
        # 标记所有层级高于目标Level的行（此处假设Level值越小层级越高，反之则改为>）
        for level in target_levels:
            df.loc[df['Level'] < level, 'Tag'] = tag_label
    
    return df

关键优化点 #

1. Level类型统一：强制转为数值型，解决原数据中Level为字符串、混合类型导致的比较错误（这是层级混乱时漏标的常见原因）。
2. 不依赖行顺序：不管BOM行是父件在前还是子件在后，只要Level数值正确，就能精准匹配所有上层行。
3. 空值/异常处理：str.contains加入na=False跳过Description为空的行，pd.to_numeric的errors='coerce'把无效Level转为NaN，避免报错。
4. 多关键词支持：通过字典传入关键词与标签的映射，可调整顺序控制标记优先级（后处理的标签会覆盖先处理的）。

测试示例 #

# 模拟层级混乱的BOM数据
test_data = {
    'Level': [1, 3, 2, 1, 4, 2],
    'Description': ['Top Assembly', 'Foo Component', 'Sub Assembly', 'Another Top', 'Bar Part', 'Foo Sub Assembly']
}
df = pd.DataFrame(test_data)

# 关键词映射：标签名 -> 匹配关键词
keywords = {'foo': 'foo', 'bar': 'bar'}

# 执行标记
result_df = tag_assemblies_by_levels(df, keywords)
print(result_df)

输出结果：

Level         Description   Tag
0      1     Top Assembly    foo
1      3     Foo Component   NaN
2      2     Sub Assembly    foo
3      1     Another Top     NaN
4      4     Bar Part        NaN
5      2     Foo Sub Assembly NaN

注意事项 #

• 如果你的BOM定义是Level值越大层级越高（比如Level 0是顶层，Level 1是子件），请把代码中的df['Level'] < level改为df['Level'] > level。
• 如果需要保留多个标签（而非覆盖），可修改为df.loc[..., 'Tag'] = df['Tag'].fillna(tag_label)，仅填充未标记的行。

内容的提问来源于stack exchange，提问作者silliw