如何在Robot Framework中用Pandas为列批量应用自定义关键字

核心思路 #

利用Pandas的批量处理能力替代Robot的逐行循环，避开框架循环带来的额外开销。关键是将自定义关键字的逻辑转为Python可调用对象，让Pandas直接对整列数据做批量处理。

步骤实现 #

1. 安装依赖 #

确保环境安装所需工具库：

pip install pandas robotframework-pandaslibrary

2. 封装自定义关键字为Python函数 #

如果你的自定义关键字逻辑不依赖Robot上下文，直接把处理逻辑写成Python函数（保存为custom_processor.py）：

def process_single_value(raw_value):
    # 替换成你自定义关键字的实际处理逻辑
    # 示例：去除首尾空格并转大写
    processed = str(raw_value).strip().upper()
    return processed

如果关键字依赖Robot的其他库或上下文，可通过BuiltIn调用原关键字：

from robot.libraries.BuiltIn import BuiltIn

def process_with_robot_keyword(raw_value):
    # 调用Robot中已定义的"Process Value"关键字
    return BuiltIn().run_keyword("Process Value", raw_value)

3. 在Robot Framework中执行批量处理 #

*** Settings ***
Library    PandasLibrary
Library    custom_processor.py  # 导入自定义处理模块

*** Test Cases ***
Batch Process Target Column
    # 读取CSV到Pandas DataFrame
    ${df}    Read CSV    path=your_input.csv
    # 对指定列批量应用处理函数
    ${df}[target_column]    Evaluate    ${df}['target_column'].apply(custom_processor.process_single_value)
    # 将处理后的数据写入新CSV
    Write CSV    df=${df}    path=your_output.csv

性能优势说明 #

Robot的For循环每一次迭代都会触发框架的关键字调用流程，带来额外开销；而Pandas的apply基于Python底层优化的批量处理逻辑，处理10000+行数据的速度会有数量级的提升。

内容的提问来源于stack exchange，提问作者ChzM