Pandas apply取kst列首个非空值前两位的实现问题及方案咨询

问题原因 #

1. 状态变量失效：你把found、first_kst定义在get_id函数内部，apply按行处理时每一行都会重新执行函数、重置变量，完全无法保留上一行的处理状态，不可能实现“找到首个非空值就停止搜索”的逻辑。
2. 非空判断错误：Pandas里的空值np.nan直接做if row.kst:判断时，布尔值为True，所以空值也会进入分支，才会出现日志打印first_kst : nan的情况。
3. 返回值缺失：当行不满足art == "R" and ust == "J"条件时，函数没有显式返回值，会默认返回None，导致结果列出现异常值。

正确实现方案 #

根据你描述的需求，分两种常见场景给出实现，都不需要用低效的行遍历apply：

场景1：全表只取kst列第一个非空值，所有满足条件的行统一用这个值的前2位 #

import pandas as pd

# 第一步：提取kst列第一个非空值（自动跳过nan、空字符串）
first_kst = df_merged['kst'].dropna().loc[lambda x: x.str.strip() != ''].iloc[0]
kst_prefix = first_kst[:2]

# 第二步：给满足条件的行赋值
df_merged['id'] = pd.NA
df_merged.loc[(df_merged['art'] == 'R') & (df_merged['ust'] == 'J'), 'id'] = kst_prefix

场景2：每个满足条件的行，取本行及之前所有行里kst的第一个非空值的前2位 #

import pandas as pd

# 第一步：用前向填充补全kst的空值，每一行的填充值都是本行及之前最近的非空kst
df_merged['kst_ffill'] = df_merged['kst'].ffill()

# 第二步：给满足条件的行赋值前2位
df_merged['id'] = pd.NA
df_merged.loc[(df_merged['art'] == 'R') & (df_merged['ust'] == 'J'), 'id'] = df_merged['kst_ffill'].str[:2]

# 可选：删除临时辅助列
df_merged.drop('kst_ffill', axis=1, inplace=True)

如果确实需要用自定义函数实现跨行的状态记录，可以把状态变量定义在函数外部，或者用闭包实现，但性能远不如上面的向量化操作，不推荐。

内容的提问来源于stack exchange，提问作者x89