基于字典映射为DataFrame列赋值的实现求助

实现思路 #

针对列C的每个值，按以下优先级匹配字典中的键：

1. 精确匹配：检查值是否存在于字典某键对应的列表中
2. 子串匹配：若精确匹配失败，检查值是否包含键名的子串（默认不区分大小写，可按需调整）

完整代码示例 #

import pandas as pd

# 定义匹配规则字典
Sdiction = {
    "Mgage": ["ABC Gage", "XYZ Gage"],
    "Rate": ["deg/min", "rad/s", "rpm"]
}

# 读取CSV文件（替换为你的文件路径）
df = pd.read_csv("your_input.csv")

# 预构建值到键的映射，提升精确匹配效率
value_to_key = {v: key for key, values in Sdiction.items() for v in values}

# 定义匹配函数
def match_key(c_str):
    # 优先精确匹配
    if c_str in value_to_key:
        return value_to_key[c_str]
    # 子串匹配（不区分大小写）
    for key in Sdiction.keys():
        if key.lower() in c_str.lower():
            return key
    # 无匹配项时返回空值（可根据需求修改）
    return None

# 生成列D
df["列D"] = df["列C"].apply(match_key)

# 输出结果（或保存为新CSV：df.to_csv("output.csv", index=False)）
print(df)

测试验证 #

用你提供的示例输入测试：

# 模拟示例输入DataFrame
df_test = pd.DataFrame({
    "列A": [1, 2, 3],
    "列B": [30, 45, 150],
    "列C": ["ABC Gage", "deg/min", "Gage"],
    "列D": ["", "", ""]
})

df_test["列D"] = df_test["列C"].apply(match_key)
print(df_test)

输出结果与预期一致：

可选调整 #

• 如果需要区分大小写匹配子串，去掉.lower()即可
• 若存在多个可能匹配的键，可修改逻辑返回第一个匹配项或所有匹配项（需调整函数返回值）
• 数据量较大时，可改用np.vectorize替代apply提升性能

内容的提问来源于stack exchange，提问作者sqaseemali