如何高效将Pandas DataFrame编码为树形嵌套IF结构（支持条件合并）

我来分享一个高效实现这个需求的方案——从特征组合唯一映射值的DataFrame生成两种嵌套IF逻辑，重点兼顾内存效率和条件合并优化。先理清楚核心思路，再上可复用的代码。

核心思路 #

先明确两个需求的差异：

• 层级嵌套IF：严格按特征列顺序逐层生成嵌套，每一层只判断一个特征
• 优化合并IF：找到最长的共同特征前缀组合，如果该组合对应的value唯一，就将这些特征合并成AND条件，减少嵌套层级；如果不唯一，则继续拆分剩余特征

内存高效的关键：

• 用列表拼接字符串替代直接字符串累加（字符串是不可变对象，每次累加都会生成新对象，内存冗余大；列表的append/extend是原地操作，内存开销低）
• 利用Pandasgroupby的视图特性，避免复制整个DataFrame，只处理当前分组的子数据
• 优化版本通过合并条件，减少总代码行数，进一步降低存储内存

实现代码 #

首先导入必要的库：

import pandas as pd

1. 层级嵌套IF生成函数 #

def generate_nested_if(df, feature_cols, value_col, indent=0):
    indent_str = "    " * indent
    lines = []
    
    # 递归终止：所有特征处理完毕，返回对应value
    if not feature_cols:
        lines.append(f"{indent_str}{df[value_col].iloc[0]}")
        return lines
    
    current_feature = feature_cols[0]
    # 按当前特征分组，遍历每个分组
    for val, subgroup in df.groupby(current_feature, sort=False):
        lines.append(f"{indent_str}if {current_feature} == {val}")
        # 递归处理剩余特征
        lines.extend(generate_nested_if(subgroup, feature_cols[1:], value_col, indent + 1))
    
    return lines

2. 优化合并IF生成函数 #

这个函数会自动检测最长可合并的特征前缀，生成更紧凑的条件：

def generate_optimized_if(df, feature_cols, value_col, indent=0):
    indent_str = "    " * indent
    lines = []
    
    # 递归终止：所有特征处理完毕，返回对应value
    if not feature_cols:
        lines.append(f"{indent_str}{df[value_col].iloc[0]}")
        return lines
    
    # 寻找最长的可合并前缀：前缀分组后每个子组的value唯一
    max_prefix_len = len(feature_cols)
    prefix_len = 1
    while prefix_len <= max_prefix_len:
        current_prefix = feature_cols[:prefix_len]
        # 检查当前前缀下的所有分组是否都只有唯一value
        groups = df.groupby(current_prefix, sort=False)
        all_single_value = all(len(subgroup[value_col].unique()) == 1 for _, subgroup in groups)
        
        # 如果所有分组value唯一，或者已经到最后一个特征，停止扩展前缀
        if all_single_value or prefix_len == max_prefix_len:
            break
        prefix_len += 1
    
    # 生成当前前缀的条件语句
    current_prefix = feature_cols[:prefix_len]
    for vals, subgroup in df.groupby(current_prefix, sort=False):
        if prefix_len == 1:
            # 单个特征的条件
            cond_str = f"{current_prefix[0]} == {vals}"
        else:
            # 多个特征合并为AND条件
            cond_parts = [f"{col} == {val}" for col, val in zip(current_prefix, vals)]
            cond_str = " and ".join(cond_parts)
        
        lines.append(f"{indent_str}if {cond_str}")
        # 递归处理剩余特征
        lines.extend(generate_optimized_if(subgroup, feature_cols[prefix_len:], value_col, indent + 1))
    
    return lines

测试用例 #

用你提供的测试DataFrame验证：

# 测试DataFrame
df_test = pd.DataFrame({
    'A': [1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3],
    'B': [4, 4, 5, 5, 5, 4, 4, 4, 4, 5, 4, 5, 5, 5, 5],
    'C': [6, 6, 7, 7, 8, 6, 7, 7, 7, 8, 6, 7, 8, 8, 8],
    'D': [9, 10, 9, 11, 10, 12, 12, 13, 15, 10, 9, 10, 9, 16, 17],
    'value': [100, 101, 100, 102, 105, 103, 103, 100, 101, 107, 102, 100, 111, 105, 109]
})

# 标识列（已按基数递增排序）
feature_cols = ['A', 'B', 'C', 'D']
value_col = 'value'

# 生成层级嵌套IF
print("层级嵌套IF结构：")
print("\n".join(generate_nested_if(df_test, feature_cols, value_col)))

print("\n---\n")

# 生成优化合并IF
print("优化合并IF结构：")
print("\n".join(generate_optimized_if(df_test, feature_cols, value_col)))

输出示例（核心片段） #

优化后的IF结构会出现类似这样的紧凑条件：

if A == 1
    if B == 4 and C == 6
        if D == 9
            100
        if D == 10
            101
    if B == 5
        if C == 7
            if D == 9
                100
            if D == 11
                102
        if C == 8 and D == 10
            105

内容的提问来源于stack exchange，提问作者spinodal