如何将给定SQL转换为带if-else的Python代码并解决NameError报错

报错核心原因 #

你遇到的NameError: name 'park' is not defined以及后续潜在问题，来自几个pandas写法和逻辑理解的错误：

• 直接写park==1会被Python识别为调用独立变量park，但pandas中取DataFrame的列必须使用表名['列名']的格式
• 多条件过滤的语法错误：pandas中不能用原生and连接过滤条件，且每个条件必须单独包裹括号，你写的range(700007:73599)本身也不符合Python语法（range的参数是逗号分隔，且左闭右开，和原SQL的区间规则不一致）
• 逻辑理解偏差：原SQL的where是先过滤符合条件的行，再在过滤后的子集上做统计，不是判断全表是否满足条件再计算全表统计值
• 语法疏漏：else分支只写np.NaN没有赋值操作，不会给A、B赋空值；同时你把原SQL中的Col12误写为Col2，运行时会触发列不存在的报错

原SQL逻辑拆解 #

第一段逻辑：从_fx_bfr_wgt表筛选同时满足以下条件的行：

1. park字段值为1
2. tickt字段值为1
3. zip字段转为8位数值后，值落在700007到73599的闭区间（包含两端值）
   对筛选后的子集统计总行数存入A，统计park字段总和存入B，筛选结果为空时A、B均为空值
   第二段逻辑：从_fx_weights表分别计算Col1、Col12、Col3、Col4、Col5五个字段的列总和，再将五个求和结果相加存入Total_sum

正确实现代码 #

import numpy as np
import pandas as pd

# 计算A、B
# 先将zip列转为数值，对应SQL中input(zip,8.)的逻辑，转值失败的填充为空值
_fx_bfr_wgt['zip_convert'] = pd.to_numeric(_fx_bfr_wgt['zip'], errors='coerce')
# 构造过滤条件
filter_condition = (
    (_fx_bfr_wgt['park'] == 1)
    & (_fx_bfr_wgt['tickt'] == 1)
    & (_fx_bfr_wgt['zip_convert'] >= 700007)
    & (_fx_bfr_wgt['zip_convert'] <= 73599)
)
# 取出过滤后的子集
filtered_data = _fx_bfr_wgt[filter_condition]

# 按if-else逻辑赋值
if len(filtered_data) > 0:
    A = len(filtered_data)  # 等价于filtered_data.shape[0]，对应SQL的count(*)
    B = filtered_data['park'].sum()
else:
    A = np.nan
    B = np.nan

# 打印验证
print(f"A: {A}, B: {B}")

# 计算Total_sum
Total_sum = (
    _fx_weights['Col1'].sum()
    + _fx_weights['Col12'].sum()
    + _fx_weights['Col3'].sum()
    + _fx_weights['Col4'].sum()
    + _fx_weights['Col5'].sum()
)
print(f"Total_sum: {Total_sum}")

pandas过滤写法注意点 #

• 多条件组合时，每个独立条件必须用圆括号包裹，“且”的关系用&，“或”的关系用|，不能用原生Python的and/or
• 列名必须通过df['列名']的方式引用，不能直接写列名调用
• 数值闭区间判断直接用>=+<=即可，不要用range处理连续数值，容易出现边界值遗漏问题
• 赋值语句必须明确写变量名 = 值，单独写一个值不会完成变量赋值

内容的提问来源于stack exchange，提问作者anjan paul