如何使用Pandas实现型号批量解码及全流程数据管理？

1. 读取Excel生成包含型号的DataFrame #

直接用pandas的read_excel方法读取目标文件，按需提取包含型号的列：

import pandas as pd

# 读取Excel文件，假设文件路径为"models.xlsx"，型号列名为"型号"
df = pd.read_excel("models.xlsx")
# 查看前几行确认数据
print(df.head())

2. 管理型号含义规则（替代JSON的更优方案） #

针对型号分段规则，推荐用嵌套字典存储映射关系，比JSON更直观易维护，适合批量型号匹配。假设型号为「品牌码-尺寸码-材质码」三段式结构，示例规则如下：

model_rules = {
    "品牌": {
        "AB": "甲品牌",
        "CD": "乙品牌",
        "EF": "丙品牌"
    },
    "尺寸": {
        "100": "100mm",
        "120": "120mm",
        "150": "150mm"
    },
    "材质": {
        "PL": "工程塑料",
        "ST": "304不锈钢",
        "AL": "铝合金"
    }
}

如果型号是固定长度分段（比如前2位品牌、中间3位尺寸、最后2位材质），后续解码时可直接用字符串切片拆分，无需分隔符。

3. 编写型号解码函数 #

自定义函数实现单型号解码，兼容格式异常情况：

def decode_model(model_str, rules):
    result = {}
    try:
        # 按短横线拆分型号（固定长度则用切片：parts = [model_str[:2], model_str[2:5], model_str[5:]]）
        parts = model_str.split("-")
        # 按规则映射每个分段含义
        for idx, (key, mapping) in enumerate(rules.items()):
            result[key] = mapping.get(parts[idx], "未知")
    except Exception:
        # 型号格式异常时标记为"格式错误"
        for key in rules.keys():
            result[key] = "格式错误"
    return pd.Series(result)

4. 批量解码并合并为DataFrame #

用apply批量处理型号列，将解码结果与原数据合并：

# 对型号列应用解码函数，生成解码后的字段
decoded_df = df["型号"].apply(lambda x: decode_model(x, model_rules))
# 合并原数据和解码结果
final_df = pd.concat([df, decoded_df], axis=1)
# 查看最终数据
print(final_df.head())

5. 保存解码结果到Excel #

用to_excel保存最终数据，关闭索引避免生成多余列：

# 保存到指定路径，比如"解码后型号数据.xlsx"
final_df.to_excel("解码后型号数据.xlsx", index=False)

批量型号优化建议 #

如果型号数量极大（上万条），用矢量化操作替代apply提升效率：

# 矢量化拆分型号列
split_parts = df["型号"].str.split("-", expand=True)
split_parts.columns = list(model_rules.keys())
# 批量映射每个分段的含义
for col, mapping in model_rules.items():
    split_parts[col] = split_parts[col].map(mapping).fillna("未知")
# 合并原数据
final_df = pd.concat([df, split_parts], axis=1)

内容的提问来源于stack exchange，提问作者citizen