pandas中如何匹配索赔号对应零件号、统计频次并生成指定格式字典

全程采用pandas向量化操作，避免逐行遍历，适配百万/千万行级别的大表场景，执行效率远高于循环、apply类写法。 #

前置变量约定 #

• 原始3列大表名：df
• 70个随机抽取的保修索赔号存储列表：target_claim_list

步骤1：匹配目标索赔号对应的零件号 #

利用isin做向量化筛选，结合去重逻辑规避脏数据干扰：

# 筛选目标行，提取索赔号-零件号的映射关系
claim_part_map = df.loc[
    df['warranty_claim_number'].isin(target_claim_list),
    ['warranty_claim_number', 'key_part_number']
].drop_duplicates(subset=['warranty_claim_number'])

步骤2：统计零件号全局出现次数 #

用value_counts直接统计全表每个key_part_number的出现频次，是pandas场景下统计频次性能最优的写法：

# 返回Series，索引为key_part_number，值为对应全表出现次数
part_occur_count = df['key_part_number'].value_counts()

步骤3：构建目标字典 #

按照要求格式（键为零件号出现次数，值为对应保修索赔号）构建字典：

# 给映射表匹配每个零件号对应的出现次数
claim_part_map['occur_cnt'] = claim_part_map['key_part_number'].map(part_occur_count)

# 生成最终字典
result_dict = dict(zip(claim_part_map['occur_cnt'], claim_part_map['warranty_claim_number']))

特殊场景兼容 #

如果70个索赔号中存在多个索赔号对应零件号的全局出现次数完全相同，字典键的唯一性会导致后写入的索赔号覆盖之前的值。如果需要保留同频次下的所有索赔号，可以替换步骤3的代码为如下版本：

from collections import defaultdict

result_dict = defaultdict(list)
for _, row in claim_part_map.iterrows():
    result_dict[row['occur_cnt']].append(row['warranty_claim_number'])
# 转成普通字典
result_dict = dict(result_dict)

此时输出的字典值为列表结构，会存储同一出现次数下对应的所有索赔号。 #

内容的提问来源于stack exchange，提问作者Michael