如何在Python中满足条件时重排DataFrame的词语顺序？

核心思路 #

针对5万行大数据量，优先采用向量化操作（避免循环提升效率），先精准筛选需要修改的行，再批量更新Addressee列并标记修改状态。

步骤1：明确筛选条件 #

需要修改的行需同时满足：

• Title 为 Mrs./Ms./Miss 中的任意一种
• SpFirstName 和 SpLastName 不为空（即存在配偶信息）
• Addressee 格式为「本人全名 + and + 配偶全名」（即当前本人姓名在前，配偶姓名在后）

步骤2：实现代码 #

import pandas as pd
import numpy as np

# 读取数据
df = pd.read_csv(csv_file, encoding='latin-1')

# 初始化修改标记列，空字符串表示未修改
df['Rearrange'] = ''
# 将NaN替换为空字符串，方便后续非空判断
df = df.replace(np.nan, '')
# 可选：添加ID列用于追踪原始行（不需要可删除）
df.insert(0, 'ID', range(len(df)))

# --------------------------
# 关键处理逻辑
# --------------------------
# 定义需要匹配的头衔集合
target_titles = {'Mrs.', 'Ms.', 'Miss'}
# 构建筛选掩码：匹配头衔+有配偶信息+Addressee是本人在前的格式
mask = (
    df['Title'].isin(target_titles)
    & (df['SpFirstName'] != '')
    & (df['SpLastName'] != '')
    & df['Addressee'].str.startswith(df['FirstName'] + ' ' + df['LastName'] + ' and ')
)

# 对符合条件的行，重排Addressee为「配偶全名 + and + 本人全名」
df.loc[mask, 'Addressee'] = df.loc[mask].apply(
    lambda row: f"{row['SpFirstName']} {row['SpLastName']} and {row['FirstName']} {row['LastName']}",
    axis=1
)
# 给修改过的行标记1
df.loc[mask, 'Rearrange'] = '1'

# --------------------------
# 后续统计与清理
# --------------------------
# 拆分修改/未修改的数据（用copy避免链式赋值警告）
changed = df[df['Rearrange'] != ''].copy()
unchanged = df[df['Rearrange'] == ''].copy()

# 清理ID列（不需要可删除）
del changed['ID']
del unchanged['ID']

# 输出统计结果
total_rows = len(df)
changed_count = len(changed)
unchanged_count = total_rows - changed_count

print(f"总共有 {total_rows} 行数据，其中 {unchanged_count} 行未修改，{changed_count} 行已重排")
# 查看修改标记的分布
print(changed['Rearrange'].value_counts())

代码说明 #

1. 高效筛选：用掩码mask一次性定位所有符合条件的行，比循环遍历效率提升数倍，适配5万行的大数据量。
2. 精准匹配：通过str.startswith判断Addressee的格式，避免误修改单独姓名、带中间名的姓名等其他变体。
3. 批量更新：用df.loc[mask]批量修改目标行，避免逐行操作的低效问题。

验证效果 #

运行后，符合条件的行（如原数据第1行）会被重排为John Doe and Jane Doe，并在Rearrange列标记1，其他行保持不变，完全匹配预期结果。

内容的提问来源于stack exchange，提问作者feelsgood