Pandas按指定列条件填充另一列值，自定义函数运行无结果问题求助

问题修复方案 #

原有代码错误原因 #

• 核心语法错误：给Main Product Family列赋值时误写了双等号==，这是相等判断运算符，不会实际修改列的取值，是填充失败的直接原因
• 逻辑不完整：没有优先判断product group列是否存在有效值，不符合需求的优先级规则
• 性能缺陷：Pandas逐行遍历的实现效率极低，数据量超过1万行时会有明显的性能问题，更推荐使用向量化操作实现

最优实现方案（向量化操作，无需自定义函数） #

1. 首先将product group的有效值直接映射到Main Product Family列，非有效值位置置为NaN

import pandas as pd
# 空值判定同时覆盖NaN和空字符串两种场景
df['Main Product Family'] = df['product group'].where(
    df['product group'].notna() & (df['product group'] != '')
)

2. 定义Record Type到产品族的映射字典，后续新增映射规则直接修改字典即可

record_type_map = {
    'bte-pmx': 'PMX',
    'bt_us-FM': 'GTRate'
}

3. 对Main Product Family的空值行，通过映射关系填充

df['Main Product Family'] = df['Main Product Family'].fillna(
    df['Record Type'].map(record_type_map)
)

原有自定义函数修正版 #

如果你需要保留自定义函数的实现方式，修正后的代码如下：

def func(x):
    for i in range(0,len(x)):
        # 优先判断product group是否有有效值
        if pd.notna(x.iloc[i,0]) and x.iloc[i,0] != '':
            x.iloc[i,3] = x.iloc[i,0]
        else:
            if x.iloc[i,2] == 'bte-pmx':
                # 把双等号改为单等号实现赋值
                x.iloc[i,3] = 'PMX'
    return x

# 调用函数后需要重新赋值给原DataFrame
df = func(df)

内容的提问来源于stack exchange，提问作者mtm1186