基于另一列kV值修改DataFrame列值的技术实现求助

核心逻辑梳理 #

• 仅在**B列值为"sampletext"且C列原值不是"generation"**时，才对C列进行修改
• 从A列提取kV对应的数字（忽略其他数字）：使用正则(\d+)(\s|.)((?i:kv))捕获数字部分
• 提取到的数值判断规则：
  • 数值≥110 → C列改为Transmission
  • 数值<110 或 无有效数值 → C列改为Distribution

代码实现 #

import pandas as pd
import numpy as np

# 示例输入数据
df = pd.DataFrame({
    'A': ['220kV变电站', '10kv线路', '35. Kv设备', '500伏变压器', 'sample 110KV', '无kV标识'],
    'B': ['sampletext', 'sampletext', 'sampletext', 'sampletext', 'othertext', 'sampletext'],
    'C': ['generation', 'Distribution', 'Transmission', 'generation', 'Distribution', 'Transmission']
})

# 步骤1：从A列提取kV对应的数值，转为数字类型，无匹配则为NaN
df['kv_num'] = df['A'].str.extract(r'(\d+)(?:\s|\.)(?i:kv)', expand=False).astype(float)

# 步骤2：定义修改C列的条件和对应值
conditions = [
    # 条件1：B是sampletext，C不是generation，且kv_num≥110
    (df['B'] == 'sampletext') & (df['C'] != 'generation') & (df['kv_num'] >= 110),
    # 条件2：B是sampletext，C不是generation，且kv_num<110 或 无有效数值
    (df['B'] == 'sampletext') & (df['C'] != 'generation') & ((df['kv_num'] < 110) | pd.isna(df['kv_num']))
]
choices = ['Transmission', 'Distribution']

# 步骤3：应用条件修改C列，不满足条件则保留原值
df['C'] = np.select(conditions, choices, default=df['C'])

# 可选：删除临时列kv_num
df = df.drop('kv_num', axis=1)

print(df)

示例输出 #

A          B             C
0     220kV变电站  sampletext    generation
1      10kv线路  sampletext  Distribution
2    35. Kv设备  sampletext  Distribution
3   500伏变压器  sampletext    generation
4  sample 110KV   othertext  Distribution
5      无kV标识  sampletext  Distribution

关键说明 #

• 正则表达式简化：原正则调整为r'(\d+)(?:\s|\.)(?i:kv)'，用非捕获组减少冗余分组，不影响数字提取
• astype(float)将提取的字符串转为数值类型，确保后续比较逻辑生效
• np.select清晰处理多条件分支，default参数直接保留原有值，完美覆盖"generation不修改"的需求

内容的提问来源于stack exchange，提问作者Gatarlo