如何用Pandas通过Parent列填充变体产品的Category字段？

问题场景 #

• 处理包含三类产品的DataFrame：常规产品（Simple）、可变产品（Variable）、变体产品（Variation）
• 变体产品的Category字段为空，Parent字段关联父产品的SKU
• 需要用非循环方式将父产品的Category值批量填充到对应变体中

解决方案 #

核心思路是先构建父产品SKU到分类的映射关系，再通过矢量化操作批量填充，完全避免循环：

修改后的完整代码 #

import pandas as pd

def get_data():
    fields = ['ID', 'SKU', 'Name', 'Category', 'Type', 'Parent']
    data = pd.read_csv('input/products.csv', skipinitialspace=True, usecols=fields)
    
    # 构建父产品SKU -> Category的映射（仅包含有分类的父产品）
    parent_category_map = data[data['Type'].isin(['Simple', 'Variable'])].set_index('SKU')['Category']
    
    # 填充变体产品的空Category：优先保留原有值，空值用Parent匹配映射填充
    data['Category'] = data['Category'].combine_first(data['Parent'].map(parent_category_map))
    
    return data

代码说明 #

1. 构建映射字典：筛选出所有具备分类信息的父产品（Simple和Variable类型），以SKU为索引创建分类映射，确保后续可以通过父SKU快速查找分类。
2. 批量填充：使用combine_first方法，对Category字段的空值进行填充——通过Parent列匹配映射字典中的分类值，非空值保持不变。
3. 效率优势：所有操作均为Pandas矢量化运算，比循环遍历快几个数量级，适合处理大规模数据集。

验证效果 #

针对示例CSV数据，运行后：

• GFP002A和GFP002B的Category会被填充为Cleaning supplies（对应父产品GFP002的分类）
• AV002A因Parent指向的GFP001A不存在于父产品列表中，Category仍为NaN（符合逻辑）

内容的提问来源于stack exchange，提问作者RaulZ