基于车型与工单匹配的DataFrame字符串匹配及日期填充求助

问题背景 #

我有两个来自经销商维修车间的多车型维护工单DataFrame：

• firstworkitems：整合所有车型的首次维护计划
• lastworkitems：整合所有车型的末次维护计划，其Title字段包含合同变更（rccs）的附加文本

需求：在**相同车型（Car Model）和工单（Work Item）**的前提下，检查lastworkitems的Title是否包含firstworkitems对应的Title字符串，然后在lastworkitems中新增First Start Date和First Finish Date两列，填入firstworkitems对应的日期值。

原循环代码无法正常运行，代码如下：

for x in range(len(lastworkitems)):
    for y in range(len(firstworkitems)):
        if lastworkitems.loc[x, 'Car Model'] == firstworkitems.loc[y, 'Car Model']:
            if lastworkitems.loc[x, 'Work Item'] == firstworkitems.loc[y, 'Work Item']:
                lastworkitems.loc[x, 'First Start Date'] = np.where(lastworkitems.loc[x, 'Title'].str.contains(firstworkitems.loc[y, 'Title']), firstworkitems.loc[y, 'Start Date'], 0)
                lastworkitems.loc[x, 'First Finish Date'] = np.where(lastworkitems.loc[x, 'Title'].str.contains(firstworkitems.loc[y, 'Title']), firstworkitems.loc[y, 'Finish Date'], 0)

原代码问题分析 #

• 双重循环效率低下：嵌套循环会随着DataFrame行数增加急剧变慢，违背pandas的向量化设计原则。
• 赋值逻辑错误：每次匹配到相同车型和工单时，会覆盖之前的赋值结果，最终可能只保留最后一次匹配的记录，而非正确对应项。
• 字符串判断错误：单个字符串对象没有str属性，直接调用lastworkitems.loc[x, 'Title'].str.contains会触发AttributeError，应该用Python原生的in关键字判断子串。

解决方案 #

方案一：优化循环实现（适合小数据集） #

先通过车型+工单分组建立映射，减少循环次数，修正赋值逻辑：

import pandas as pd
import numpy as np

# 初始化新增列
lastworkitems['First Start Date'] = np.nan
lastworkitems['First Finish Date'] = np.nan

# 构建(车型, 工单)到首次计划行的映射
first_mapping = firstworkitems.set_index(['Car Model', 'Work Item'])

# 遍历末次计划的每一行
for idx, row in lastworkitems.iterrows():
    key = (row['Car Model'], row['Work Item'])
    if key in first_mapping.index:
        first_row = first_mapping.loc[key]
        # 判断末次Title是否包含首次Title
        if first_row['Title'] in row['Title']:
            lastworkitems.loc[idx, 'First Start Date'] = first_row['Start Date']
            lastworkitems.loc[idx, 'First Finish Date'] = first_row['Finish Date']

方案二：pandas向量化实现（推荐，适合大数据集） #

利用merge关联数据，再过滤符合条件的记录，最后合并回原DataFrame：

# 基于车型和工单合并两个数据集，区分后缀
merged_df = pd.merge(
    lastworkitems,
    firstworkitems,
    on=['Car Model', 'Work Item'],
    suffixes=('_last', '_first')
)

# 筛选出末次Title包含首次Title的记录
valid_matches = merged_df[merged_df['Title_last'].str.contains(merged_df['Title_first'])]

# 提取需要的日期列，合并回末次计划数据集
lastworkitems = lastworkitems.merge(
    valid_matches[['Car Model', 'Work Item', 'Start Date', 'Finish Date']],
    on=['Car Model', 'Work Item'],
    how='left'
).rename(columns={
    'Start Date': 'First Start Date',
    'Finish Date': 'First Finish Date'
})

内容的提问来源于stack exchange，提问作者Jennerz