如何遍历pandas dataframe将指定列值赋值到对应格式的字符串中

方法1：使用iterrows逐行遍历（适合小数据量，逻辑直观） #

import pandas as pd

# 构造示例df，实际使用时替换为pd.read_csv("你的csv文件路径")即可
df = pd.DataFrame({
    "badge_id": [123, 456, 789, 231],
    "case_id": [1690, 1717, 1389, 1540],
    "case_type": ["type0", "type0", "type0", "type3"],
    "description": ["subtype4", "subtype2", "subtype2", "subtype1"],
    "short_des": ["xxx", "yyy", "aaa", "bbb"]
})

# 存储最终生成的所有字符串
result = []

# 逐行遍历df
for _, row in df.iterrows():
    # 注意f字符串里要输出字面量大括号，需要写两层{{}}做转义
    template_str = f"{{'opened_for': {{ value: **'{row['badge_id']}'**}},'short_description': {{ value : **'{row['short_des']}'**}}, 'case_id': {{ value : **{row['case_id']}**}}}}"
    result.append(template_str)

# 打印输出结果
for item in result:
    print(item)

方法2：使用apply批量生成（适合大数据量，执行效率更高） #

def build_template(row):
    return f"{{'opened_for': {{ value: **'{row['badge_id']}'**}},'short_description': {{ value : **'{row['short_des']}'**}}, 'case_id': {{ value : **{row['case_id']}**}}}}"

# 对每行执行自定义函数，直接得到所有结果
result_series = df.apply(build_template, axis=1)
# 可按需转成列表
result_list = result_series.tolist()

注意事项 #

• 如果需要给case_id也加上单引号，只需要把模板里**{row['case_id']}**修改为**'{row['case_id']}'**即可
• 所有生成的字符串都会存在result/result_list变量中，可直接用于后续业务逻辑

内容的提问来源于stack exchange，提问作者PwrSerg