如何在Pandas DataFrame中通过姓名查询对应attempts值？

假设你的现有代码包含占位符，以下是填充后的完整实现，同时加入了异常处理避免无匹配时出错：

完整代码示例 #

import pandas as pd

# 示例DataFrame（根据你的实际数据替换）
data = {
    'first_name': ['John', 'Emily', 'Michael'],
    'last_name': ['Doe', 'Bell', 'Smith'],
    'attempts': [2, 3, 1]
}
df = pd.DataFrame(data)

def get_attempts(first_name, last_name):
    # 1. 生成布尔掩码，筛选同时匹配名和姓的行
    mask = (df['first_name'] == first_name) & (df['last_name'] == last_name)
    matched_rows = df[mask]
    
    # 2. 处理匹配结果
    if not matched_rows.empty:
        # 提取匹配行的attempts值（假设姓名组合唯一）
        attempts_value = matched_rows['attempts'].iloc[0]
        return f"attempts: {attempts_value}"
    else:
        return "No matching record found"

# 测试调用
print(get_attempts('Emily', 'Bell'))  # 输出: attempts: 3
print(get_attempts('Jane', 'Doe'))    # 输出: No matching record found

关键代码解释 #

• 布尔掩码筛选：用&连接两个条件（必须用括号包裹单个条件），精准定位同时匹配名和姓的行
• 空结果处理：通过matched_rows.empty判断是否存在匹配记录，避免直接取iloc[0]时触发索引越界错误
• 值提取：使用.iloc[0]提取第一行的attempts值，适用于姓名组合唯一的场景

可选优化 #

• 不区分大小写匹配：如果需要忽略大小写差异，把条件改成：

  mask = (df['first_name'].str.lower() == first_name.lower()) & (df['last_name'].str.lower() == last_name.lower())
  

• 处理重复姓名：如果DataFrame中存在重复的姓名组合，可以根据需求调整，比如返回所有attempts值：

  return f"attempts: {list(matched_rows['attempts'])}"
  

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