基于DataFrame的ID字段条件创建新Keyword列的技术需求

原始数据与需求 #

我们有如下结构的DataFrame df：

需要生成包含Keyword列的输出结果，格式如下：

规则说明 #

• 若ID为整数值（含字符串形式的整数），Keyword列值为Shared
• ID为A1或C4时，Keyword为RF
• ID为B2时，Keyword为DD

实现代码 #

1. 构造原始DataFrame（用于测试） #

import pandas as pd

data = {
    'Name': ['john', 'ram', 'sam', 'Adam'],
    'cost': [300.0, 506.0, 300.0, 289.0],
    'ID': ['A1', 'B2', 'C4', '1']
}
df = pd.DataFrame(data)

2. 新增Keyword列 #

方式一：分步处理

# 定义非整数ID的映射关系
id_keyword_map = {'A1': 'RF', 'B2': 'DD', 'C4': 'RF'}

# 先通过映射赋值Keyword列
df['Keyword'] = df['ID'].map(id_keyword_map)

# 判断ID是否为整数的辅助函数
def is_integer_id(id_str):
    try:
        int(id_str)
        return True
    except ValueError:
        return False

# 对整数ID的行设置Keyword为Shared
df.loc[df['ID'].apply(is_integer_id), 'Keyword'] = 'Shared'

方式二：简洁的numpy.where写法

import numpy as np

id_keyword_map = {'A1': 'RF', 'B2': 'DD', 'C4': 'RF'}
df['Keyword'] = np.where(
    df['ID'].apply(lambda x: x.isdigit()),
    'Shared',
    df['ID'].map(id_keyword_map)
)

3. 可选：将cost列转为整数类型 #

如果需要匹配输出格式中的整数cost：

df['cost'] = df['cost'].astype(int)

最终结果 #

执行代码后，输出的DataFrame为：

Name  cost  ID Keyword
0   john   300  A1      RF
1    ram   506  B2      DD
2    sam   300  C4      RF
3   Adam   289   1  Shared

内容的提问来源于stack exchange，提问作者KRANTHI KUMAR