在Azure Data Factory数据流中使用contains函数拆分数据

直接用ADF数据流里的**条件拆分（Conditional Split）**转换就能实现你要的程序化拆分，完全对应你给出的Pandas逻辑，步骤如下：

1. 接入源数据：先通过「源」转换读取你的原始数据集，确保indicator列已正常加载。
2. 添加条件拆分转换：
   • 点击源转换的输出，添加「条件拆分」转换。
   • 配置第一个分支：
     • 分支名称设为「含Weekly的记录」
     • 条件表达式写：contains(indicator, 'Weekly')，这和Pandas里df.indicator.str.contains('Weekly')的逻辑完全一致。
   • 处理剩余数据：
     • 直接用转换自带的「默认」分支（自动接收所有不满足第一个条件的记录）即可，和手动写!contains(indicator, 'Weekly')的效果完全相同。
3. 配置输出接收器：
   • 给「含Weekly的记录」分支连接一个「接收器」，配置好输出文件的存储路径、文件名和数据集类型，对应Pandas里的df1。
   • 给默认分支连接另一个「接收器」，配置另一组输出参数，对应Pandas里的df2。

对应Pandas代码的逻辑映射 #

你的Pandas实现：

df1 = df[df.indicator.str.contains('Weekly')]
df2 = df[~df.indicator.str.contains('Weekly')]

ADF里的条件拆分第一个分支就是df1的筛选逻辑，默认分支就是df2的取反逻辑，全程靠规则驱动，完全是程序化的实现方式。

额外优化 #

如果需要忽略大小写匹配（比如匹配weekly、WEEKLY等），可以把条件改成：

contains(lower(indicator), 'weekly')

对应Pandas里df.indicator.str.contains('Weekly', case=False)的效果。

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