基于行特定条件创建并修改Python Pandas DataFrame

原始数据 #

修改规则 #

• 若ID列包含#，该行保持不变；
• 若ID列不含#且country为空（NaN），则为country列填充"Other"，为other列填充0；
• 最后，仅当money列为空（NaN）且other列有值时，从以下映射表匹配填充money和money_add字段。

映射表 #

目标结果 #

Python 实现代码 #

import pandas as pd
import numpy as np

# 构造原始DataFrame
df = pd.DataFrame({
    'ID': ['832932', '217#8#', '1329T2', '832932', '31728#'],
    'country': ['France', np.nan, np.nan, 'France', np.nan],
    'money': [12131, np.nan, np.nan, np.nan, np.nan],
    'other': [19, np.nan, np.nan, 30, np.nan],
    'money_add': [82932, np.nan, np.nan, np.nan, np.nan]
})

# 构造映射表并转为字典，提升匹配效率
mapping_df = pd.DataFrame({
    'other_ID': [19, 50, 18, 30, 0],
    'money': [4532, 1213, 1813, 1313, 8932],
    'money_add': [723823, 238232, 273283, 83293, 3920]
})
mapping_dict = mapping_df.set_index('other_ID').to_dict('index')

# 1. 标记ID含#的行，后续跳过处理
has_hash_mask = df['ID'].str.contains('#', na=False)

# 2. 处理ID不含#且country为空的行
no_hash_no_country_mask = ~has_hash_mask & df['country'].isna()
df.loc[no_hash_no_country_mask, ['country', 'other']] = ['Other', 0]

# 3. 处理money为空且other有值的行
money_nan_other_valid_mask = df['money'].isna() & df['other'].notna()
for idx, row in df[money_nan_other_valid_mask].iterrows():
    other_val = row['other']
    if other_val in mapping_dict:
        df.loc[idx, 'money'] = mapping_dict[other_val]['money']
        df.loc[idx, 'money_add'] = mapping_dict[other_val]['money_add']

# 查看处理后的结果
print(df)

代码说明 #

• 用**掩码（mask）**精准定位需要处理的行，避免不必要的遍历；
• 将映射表转为字典，大幅提升匹配速度；
• 分步骤对应需求，逻辑清晰易维护。

内容的提问来源于stack exchange，提问作者Carola