如何为DataFrame每行应用不同校验函数？求更优实现方案

我有一个最多10行的DataFrame，包含field和value两列，需要根据field的不同值对每行执行对应的校验逻辑，结果存入新增的status列。目前已有可用实现，想找更优方案，同时附上两次修改尝试：Edit-1代码未生效，Edit-2用np.select的方案已正常运行。

已生效的Edit-2方案（np.select实现） #

先贴出Edit-2的可行代码示例（以常见字段类型为例）：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({
    'field': ['email', 'phone', 'age', 'email'],
    'value': ['test@example.com', '1234567890', '25', 'invalid-email']
})

# 定义各字段的校验条件与对应结果
conditions = [
    (df['field'] == 'email') & (df['value'].str.contains(r'^[\w\.-]+@[\w\.-]+\.\w+$')),
    (df['field'] == 'phone') & (df['value'].str.match(r'^\d{10}$')),
    (df['field'] == 'age') & (df['value'].astype(int).between(18, 60))
]
choices = ['valid', 'valid', 'valid']
default = 'invalid'

df['status'] = np.select(conditions, choices, default=default)

这个方案逻辑清晰，批量处理效率高，对于最多10行的小数据集完全够用，可读性也不错。

Edit-1未生效的常见原因分析 #

假设Edit-1采用了逐行循环的写法（这类写法很容易踩坑），示例如下：

Edit-1 未生效代码示例：

import re

for idx, row in df.iterrows():
    if row['field'] == 'email':
        if re.match(r'^[\w\.-]+@[\w\.-]+\.\w+$', row['value']):
            row['status'] = 'valid'
        else:
            row['status'] = 'invalid'

问题核心：iterrows()返回的是行的副本，修改副本不会同步到原DataFrame，导致status列始终没有被正确赋值。

更优实现方案推荐 #

因为数据集只有最多10行，效率差异可以忽略，重点放在可读性和可维护性上，推荐两种方案：

方案1：函数字典映射+apply #

把每个字段的校验逻辑封装成独立函数，用字典做映射，再通过apply批量处理：

import re
import pandas as pd

# 定义各字段的校验函数
def validate_email(value):
    return 'valid' if re.match(r'^[\w\.-]+@[\w\.-]+\.\w+$', value) else 'invalid'

def validate_phone(value):
    return 'valid' if re.match(r'^\d{10}$', value) else 'invalid'

def validate_age(value):
    try:
        num = int(value)
        return 'valid' if 18 <= num <= 60 else 'invalid'
    except ValueError:
        return 'invalid'

# 字段与校验函数的映射字典
field_validators = {
    'email': validate_email,
    'phone': validate_phone,
    'age': validate_age
}

# 生成status列
df['status'] = df.apply(lambda row: field_validators[row['field']](row['value']), axis=1)

优势：逻辑完全模块化，后续新增字段校验只需要添加对应函数和字典项，可读性极强，适合需要频繁扩展校验规则的场景。

方案2：pd.case_when（pandas 2.1+专属） #

如果你的pandas版本在2.1及以上，可以用原生的case_when方法，语法更贴近SQL的CASE WHEN，写起来更简洁：

import pandas as pd
from pandas import case_when

df = pd.DataFrame({
    'field': ['email', 'phone', 'age', 'email'],
    'value': ['test@example.com', '1234567890', '25', 'invalid-email']
})

df['status'] = case_when(
    (df['field'] == 'email') & (df['value'].str.contains(r'^[\w\.-]+@[\w\.-]+\.\w+$')), 'valid',
    (df['field'] == 'email'), 'invalid',
    (df['field'] == 'phone') & (df['value'].str.match(r'^\d{10}$')), 'valid',
    (df['field'] == 'phone'), 'invalid',
    (df['field'] == 'age') & (df['value'].astype(int).between(18, 60)), 'valid',
    (df['field'] == 'age'), 'invalid',
    default='invalid'
)

优势：无需依赖numpy，语法直观易懂，原生pandas方法兼容性更好。

方案对比总结 #

内容的提问来源于stack exchange，提问作者winter