如何使用Python遍历Power BI数据集逐行判断指定字符串是否存在

问题原因 #

你之前的代码存在两个核心错误：

• 直接遍历dataset时，获取的是DataFrame的列名而非行数据
• dataset["randomString"]是整列的Series对象，转为字符串后是整列内容的拼接结果，只要列中存在hello就会匹配成功；同时直接给dataset["containsHello"]赋值是对整列统一赋值，因此会出现全Yes/全No的错误结果。

解决方案 #

Power BI查询编辑器传入的dataset是标准pandas DataFrame结构，推荐优先用更高效的pandas向量化操作实现需求，不需要手动写循环：

import pandas as pd
# na=False表示空值视为不匹配
dataset['containsHello'] = dataset['randomString'].str.contains('hello', na=False).map({True: 'Yes', False: 'No'})

如果确实需要逐行遍历校验，可使用iterrows方法实现逐行操作：

import re
# 先初始化新列默认值为No
dataset['containsHello'] = 'No'
# 逐行遍历拿到每行的索引和行内容
for idx, row in dataset.iterrows():
    # 取当前行的randomString值判断
    if re.search(r'hello', str(row['randomString'])):
        # 只给当前行的containsHello赋值为Yes
        dataset.loc[idx, 'containsHello'] = 'Yes'

Power BI 运行注意事项 #

• 脚本执行完成后，在查询编辑器弹出的数据集选择窗口中，选择dataset作为输出结果加载即可
• 若randomString列存在空值，str(row['randomString'])会自动转为nan字符串，不会触发匹配，符合预期逻辑

内容的提问来源于stack exchange，提问作者lakeviking