如何以更Pythonic的方式实现DataFrame多列的条件翻译？

我写了一个接收DataFrame和布尔列表的函数，当布尔列表值为0时，对应位置的文本需要翻译成英文。但我觉得这个函数不够Pythonic，不符合最佳实践。

原函数代码：

def translate_text(df, mask):
    gs = goslate.Goslate()
    for sd, d, r, m in zip(df['short_description'], df['details'], df['resolution'], mask):
        if m == 0:
            # Perform translation
            sd = gs.translate(sd, 'en')
            d = gs.translate(d, 'en')
            r = gs.translate(r, 'en')
            
    return df

请问有没有更Pythonic的实现方式？求优化建议。

样例数据：

d = {'short_description': ['There is a problem with the laptop', 'Problemo y computer', 'There is a problem with the screen'],
    'details': ['The laptop will not respond, just a black screen', 'Problemo y computer', 'The screen is just blinking'],
    'resolution': ['Laptop has been replaced', 'La computadora ha sido reemplazada', 'Screen has been replaced']}
df_sample = pd.DataFrame(data=d)
mask = [1,0,1]

补充说明：上述示例为简化场景，假设所有列共用一个mask，实际场景中每个列都有独立的mask向量。

首先明确原函数的核心问题：循环里的sd、d、r都是局部变量，修改后不会同步到原DataFrame，等于没有实际修改数据。以下分两种场景给出Pythonic的实现：

场景1：所有列共用同一个mask #

利用pandas的布尔索引和批量操作替代显式循环，更符合pandas的设计逻辑：

import pandas as pd
import goslate

def translate_text(df, mask):
    gs = goslate.Goslate()
    # 将mask转为布尔索引，标记需要翻译的行
    translate_rows = pd.Series(mask) == 0
    # 对目标列的指定行批量翻译
    target_cols = ['short_description', 'details', 'resolution']
    df.loc[translate_rows, target_cols] = (
        df.loc[translate_rows, target_cols]
        .applymap(lambda x: gs.translate(x, 'en'))
    )
    return df

# 测试调用
df_sample = translate_text(df_sample, mask)
print(df_sample)

场景2：每个列有独立的mask #

针对实际场景中各列mask独立的情况，按列单独处理：

def translate_text(df, column_masks):
    gs = goslate.Goslate()
    # column_masks为字典，key是列名，value是对应列的mask列表
    for col, mask in column_masks.items():
        translate_rows = pd.Series(mask) == 0
        df.loc[translate_rows, col] = df.loc[translate_rows, col].apply(lambda x: gs.translate(x, 'en'))
    return df

# 测试调用（模拟各列独立mask）
column_masks = {
    'short_description': [1,0,1],
    'details': [1,0,0],
    'resolution': [0,0,1]
}
df_sample = translate_text(df_sample, column_masks)
print(df_sample)

额外优化建议 #

• 批量翻译提升效率：goslate支持批量翻译，将需要翻译的文本一次性传入，减少API调用次数：

  # 以单列批量翻译为例
  texts_to_translate = df.loc[translate_rows, col].tolist()
  translated_texts = gs.translate(texts_to_translate, 'en')
  df.loc[translate_rows, col] = translated_texts
  

• 复用Goslate实例：如果函数会被多次调用，把gs = goslate.Goslate()移到函数外部，避免重复初始化实例。
• 增加异常处理：翻译API可能因网络等问题失败，添加异常捕获避免程序崩溃：

  def safe_translate(text, gs):
      try:
          return gs.translate(text, 'en')
      except Exception as e:
          print(f"翻译失败: {e}")
          return text  # 失败时返回原文本
  
  # 调用时替换为安全翻译函数
  df.loc[translate_rows, col] = df.loc[translate_rows, col].apply(lambda x: safe_translate(x, gs))
  

内容的提问来源于stack exchange，提问作者Wolfy