基于时间更新多变量：DataFrame组件状态维护技术问询

需求说明 #

我有个带Duration、EventLog、StartTime、FinishTime四列的DataFrame，要根据EventLog里的事件（组件故障/修复）更新对应组件的in_service状态——故障就设为False，修复就设为True，以此维护各组件的在线状态。

示例DataFrame：

我写了一段代码实现，但不确定逻辑对不对，也想看看有没有优化空间：

import re

for i in range(8760):
    if 'Repaired' in data.loc[i,'EventLog'] :
        val = int(re.search(r'\d+', data.loc[i,'EventLog']).group())
        if val >= 0 and val <= 9:
            net.gen.loc[val,"in_service"] = True
        else:
            val = val - 10
            net.line.loc[val,"in_service"] = True        
        
    elif 'Failed' in data.loc[i,'EventLog'] :
        val = int(re.search(r'\d+', data.loc[i,'EventLog']).group())
        if val >= 0 and val <= 9:
            net.gen.loc[val,"in_service"] = False
        else:
            val = val - 10
            net.line.loc[val,"in_service"] = False

现有代码的问题点 #

• 硬编码循环次数风险高：直接写range(8760)遍历，若DataFrame行数不是8760，要么行数不足触发索引越界错误，要么行数过多遗漏后续事件。
• 正则匹配冗余：故障和修复分支重复执行re.search操作，浪费性能。
• 大小写敏感漏判：示例中EventLog存在repaired（小写）和Repaired（大写）两种格式，现有代码用'Repaired'判断会漏掉小写事件，导致状态不更新。
• 索引假设太绝对：用loc[val]默认组件编号与DataFrame行索引完全对应，若组件编号不连续或索引非整数，直接触发错误。
• 无异常处理：若EventLog无数字或格式异常，re.search返回None，调用.group()会直接抛出AttributeError。

优化后的实现方案 #

方案1：安全遍历+异常容错 #

直接遍历DataFrame行，兼容各种边界情况：

import re

for idx, row in data.iterrows():
    event = row['EventLog']
    # 统一转小写判断，兼容大小写差异
    is_repaired = 'repaired' in event.lower()
    is_failed = 'failed' in event.lower()
    
    # 非目标事件直接跳过
    if not (is_repaired or is_failed):
        continue
    
    # 提取组件编号，增加容错逻辑
    match = re.search(r'\d+', event)
    if not match:
        print(f"事件「{event}」无法提取组件编号，跳过")
        continue
    comp_num = int(match.group())
    
    # 确定要设置的状态值
    status = True if is_repaired else False
    
    # 选择对应数据集
    target_df = net.gen if 0 <= comp_num <=9 else net.line
    if comp_num > 9:
        comp_num -= 10
    
    # 验证组件编号存在后再更新，避免索引错误
    if comp_num in target_df.index:
        target_df.loc[comp_num, 'in_service'] = status
    else:
        print(f"组件编号{comp_num}在对应数据集中不存在，跳过")

方案2：预处理事件+批量处理（高效版） #

先解析所有事件再批量更新，适合数据量大的场景：

import re
import pandas as pd

# 定义事件解析函数
def parse_event(event_str):
    event_lower = event_str.lower()
    num_match = re.search(r'\d+', event_str)
    if not num_match:
        return None, None
    comp_num = int(num_match.group())
    if 'repaired' in event_lower:
        return comp_num, 'repaired'
    elif 'failed' in event_lower:
        return comp_num, 'failed'
    else:
        return None, None

# 为DataFrame新增解析结果列
data[['comp_num', 'event_type']] = data['EventLog'].apply(lambda x: pd.Series(parse_event(x)))

# 过滤无效事件并按时间排序（确保状态更新符合时间逻辑）
valid_events = data.dropna(subset=['comp_num', 'event_type']).sort_values('StartTime')

# 批量更新组件状态
for _, row in valid_events.iterrows():
    comp_num = row['comp_num']
    status = True if row['event_type'] == 'repaired' else False
    
    target_df = net.gen if 0 <= comp_num <=9 else net.line
    if comp_num >9:
        comp_num -=10
    
    if comp_num in target_df.index:
        target_df.loc[comp_num, 'in_service'] = status

额外注意事项 #

• 务必先将DataFrame按StartTime排序，否则事件乱序会导致状态更新逻辑错误。
• 提前确认net.gen和net.line的索引包含所有可能的组件编号，减少“组件不存在”的报错。
• 可将print替换为日志模块（如logging），方便后续问题排查。

内容的提问来源于stack exchange，提问作者Giorgos