如何基于字典与模式匹配优化信用卡交易分类（替代np.select）

问题背景 #

当前通过字典结合np.select()实现信用卡交易描述的分类，但需要手动关联字典键、匹配条件和分类选项，存在冗余。需要更简洁的实现方式，避免嵌套循环和重复代码。

解决方案1：反向映射+正则提取 #

通过构建关键词到分类的反向映射，配合pandas字符串提取方法，一次性完成分类匹配，无需手动编写每个条件：

import pandas as pd

def cat_mapper(frame, targ_col, cat_col):
    # 定义分类-关键词字典
    category_retailers = {
        'Online Shopping': ['amazon','amzn mktp', 'target.com'],
        'Wholesale Stores': ['costco', 'target'],
    }
    
    # 构建反向映射：关键词 → 对应分类
    keyword_to_cat = {}
    for category, keywords in category_retailers.items():
        for kw in keywords:
            keyword_to_cat[kw] = category
    
    # 构建不区分大小写的正则匹配模式
    regex_pattern = '|'.join([f'(?i){kw}' for kw in keyword_to_cat.keys()])
    
    # 提取匹配的关键词并映射为分类，未匹配的保留原分类值
    frame[cat_col] = (
        frame[targ_col]
        .str.extract(f'({regex_pattern})', expand=False)
        .map(keyword_to_cat)
        .fillna(frame[cat_col])
    )
    return frame

解决方案2：按优先级批量匹配赋值 #

通过遍历分类字典，利用布尔掩码批量更新未分类的行，逻辑直观且便于调整分类优先级（先遍历的分类会优先匹配）：

import pandas as pd

def cat_mapper(frame, targ_col, cat_col):
    category_retailers = {
        'Online Shopping': ['amazon','amzn mktp', 'target.com'],
        'Wholesale Stores': ['costco', 'target'],
    }
    
    # 遍历分类，仅更新未分类的行
    for category, keywords in category_retailers.items():
        # 构建当前分类的匹配掩码
        match_mask = frame[targ_col].str.contains(
            '|'.join(keywords), 
            regex=True, 
            case=False
        )
        # 仅更新原分类为空（NaN）的行
        update_mask = match_mask & frame[cat_col].isna()
        frame.loc[update_mask, cat_col] = category
    
    return frame

测试代码 #

使用提供的样例数据测试（注意先将字符串'NaN'转为真实的缺失值，避免干扰匹配）：

data_dict = {
    'Description': ['amazon 345689','amzn mktp online 7765','amazon 4444','costco location','Wholefoods'],
    'Category': ['NaN','NaN','NaN','NaN','Groceries']
}
df = pd.DataFrame(data_dict)
# 将字符串'NaN'转为pandas缺失值
df['Category'] = df['Category'].replace('NaN', pd.NA)

# 调用分类函数
result_df = cat_mapper(df, 'Description', 'Category')
print(result_df)

方案对比 #

• 方案1：代码紧凑，一次性完成映射，适合分类规则简单、无优先级需求的场景
• 方案2：逻辑清晰，支持按顺序设置分类优先级（若某交易匹配多个分类，先遍历的分类生效），便于后续规则调整

内容的提问来源于stack exchange，提问作者canconfirm24