Pandas多布尔条件Excel数据组合匹配异常求助

核心问题 #

你的代码存在两个关键错误，导致逻辑不符合需求：

1. 逻辑判断错误：当前代码是分别判断城市、州、邮编是否各自不在对应列表中（三者同时不满足），但实际需要判断的是三者的组合是否不存在于Excel B的有效组合里，不是单独判断每个字段。
2. 大小写不匹配：Excel B的城市和州转成了大写，但Excel A的对应字段没有统一大小写，会导致明明匹配的组合因为大小写差异被误判。

另外，np.vectorize并不是Pandas中处理这类问题的最优方式，效率低且容易出错，建议用Pandas原生方法实现。

修复后的代码 #

# PRE- Check 4: Leer Archivo con US ZipCode.
print('leyendo archivo con ZipCode data...')
df = pd.read_excel(zpath, dtype={"Zip Code": str})
# 创建有效组合的集合：(大写城市, 大写州, 邮编)
valid_combinations = set(
    zip(
        df["Official USPS city name"].str.upper(),
        df["Official USPS State Code"].str.upper(),
        df["Zip Code"]
    )
)
print('Data de ZipCode en memoria...')

# Check 4: Validar City/State/ZipCode.
print("Performing check4...")
# 处理主数据：统一大小写，生成待检查的组合
dataf['City_upper'] = dataf['City'].str.upper()
dataf['State_upper'] = dataf['State'].str.upper()
# 生成组合元组
check_combinations = list(zip(dataf['City_upper'], dataf['State_upper'], dataf['PostalCode']))
# 判断条件：Country为空 且 组合不在有效集合中
result4 = dataf['CountryName'].isna() & ~pd.Series(check_combinations).isin(valid_combinations)
# 清理临时列
dataf.drop(['City_upper', 'State_upper'], axis=1, inplace=True)

failed_reason = update_failed_reason(failed_reason, vadd_failnum(result4, "4, "))
print('Chequeo de Zip/City/State completado..........')

代码说明 #

1. 有效组合集合：用zip把Excel B的城市（大写）、州（大写）、邮编打包成元组存入集合，O(1)时间复杂度即可判断组合是否存在，效率远高于循环判断。
2. 统一大小写：把Excel A的City和State转成大写，避免大小写差异导致的匹配失败。
3. 正确逻辑判断：
   • dataf['CountryName'].isna()：筛选Country为空的行
   • ~pd.Series(check_combinations).isin(valid_combinations)：判断组合是否不在有效集合中（~表示取反）
   • 用&连接两个条件，得到最终的失败行标记

测试验证 #

针对你的测试数据：

• 完全匹配的行：组合在有效集合中，isin返回True，取反后为False，加上Country为空的条件，最终result4为False（符合预期，不标记为失败）
• 州信息错误的行：组合不在有效集合中，isin返回False，取反后为True，加上Country为空的条件，最终result4为True（标记为失败，符合需求）

内容的提问来源于stack exchange，提问作者rafael1138