使用Pandas处理数据：将匹配值替换原列内容的方法

输入CSV数据 #

现有代码 #

# Define function to check if a value matches any of the filter values
def matches_filter(value):
    value_lower = value.lower()
    for filter_value in value_lower.split("|"):
        filter_value_lower = filter_value.lower()
        for fvals in fltr_values:
            if fvals.lower() in filter_value_lower:
                return fvals.lower()
    return None

# Apply filter
# filtered_df = df[df[fltr_field].apply(matches_filter)]
df[fltr_field + "_matched"] = df[fltr_field].apply(matches_filter)

需求与期望结果 #

当传入过滤值为"Role B"和"Role D"时，需要：

1. 筛选出角色列包含Role B或Role D的行
2. 将角色列的内容替换为匹配到的过滤值（保留原格式，如Role B而非小写）

期望结果：

修改方案 #

现有代码存在三个问题：返回值为小写格式丢失原样式、仅新增匹配列未替换原列、未过滤无匹配的行。需做以下调整：

1. 修正匹配函数的返回逻辑 #

处理角色分割后的空格问题，返回原始格式的过滤值而非小写：

def matches_filter(value):
    # 分割角色并去除每个角色的前后空格
    roles = [role.strip() for role in value.split("|")]
    for role in roles:
        for fval in fltr_values:
            # 不区分大小写匹配
            if role.lower() == fval.lower():
                return fval  # 返回原始过滤值，保留格式
    return None

2. 替换原列并过滤无效行 #

直接覆盖原角色列，同时删除无匹配结果的行：

# 应用匹配逻辑替换原列
df[fltr_field] = df[fltr_field].apply(matches_filter)
# 过滤掉无匹配的行
df = df.dropna(subset=[fltr_field])

完整修改后代码 #

# 定义匹配函数
def matches_filter(value):
    roles = [role.strip() for role in value.split("|")]
    for role in roles:
        for fval in fltr_values:
            if role.lower() == fval.lower():
                return fval
    return None

# 设置过滤参数
fltr_field = "角色"
fltr_values = ["Role B", "Role D"]

# 应用匹配并替换列值
df[fltr_field] = df[fltr_field].apply(matches_filter)
# 过滤无匹配的行
df = df.dropna(subset=[fltr_field])

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