如何基于条件DataFrame使用numpy select批量为交易描述分配分类

我来帮你搞定这个需求！既然你想通过条件DataFrame来管理所有匹配规则，不用硬编码一堆str.contains条件，我们可以动态生成np.select需要的条件和值列表，完美适配你的场景。

完整实现代码 #

import pandas as pd
import numpy as np

# 1. 你的交易数据示例（替换成实际数据）
df2 = pd.DataFrame({
    'Description': [
        'groceries Jumbo on date',
        'mortgage payment Aegon.',
        'transfer picnic.'
    ]
})

# 2. 条件管理DataFrame（可以直接从Excel/CSV读取，方便维护）
conditions_dict = {
    'Condition': ['AEGON', 'IB/PVV', 'Picnic', 'Jumbo'],
    'Value': ['Hypotheek', 'Hypotheek', 'Boodschappen', 'Boodschappen']
}
df_conditions = pd.DataFrame(conditions_dict)

# 3. 动态生成conditions和values列表
# 用列表推导式遍历条件表，生成每个关键词的匹配规则
# case=False：不区分大小写（比如Aegon和AEGON都能匹配，适配你的示例）
conditions = [
    df2['Description'].str.contains(cond, na=False, case=False) 
    for cond in df_conditions['Condition']
]
# 把分类值转换成列表
values = df_conditions['Value'].tolist()

# 4. 应用分类映射
df2['Classificatie'] = np.select(conditions, values, default='unknown')

# 查看结果
print(df2)

输出结果 #

Description Classificatie
0  groceries Jumbo on date  Boodschappen
1   mortgage payment Aegon.     Hypotheek
2        transfer picnic.   Boodschappen

关键细节说明 #

• 动态生成条件：通过列表推导式遍历df_conditions['Condition']的每个关键词，自动生成对应的str.contains匹配规则，不用手动写几十条重复代码。
• 大小写兼容：加了case=False参数，确保交易描述里的关键词不管大小写（比如Aegon和AEGON，picnic和Picnic）都能正确匹配，如果你需要严格区分大小写，去掉这个参数即可。
• 易维护性：以后新增/修改分类规则，只需要更新df_conditions的内容（甚至可以把这个条件表存在Excel/CSV里，用pd.read_excel/pd.read_csv读取），完全不用改动核心的分类逻辑代码。

内容的提问来源于stack exchange，提问作者Renalt