如何用Pandas将退货记录的Shop值替换为同orderID对应原订单值

核心逻辑 #

相同orderID下，只要存在非0的Shop值（正常订单），该orderID对应的所有退货记录（Shop=0）的Shop字段统一替换为该非0值。

实现步骤 #

1. 环境准备 #

确保已安装pandas库，未安装可执行以下命令：
pip install pandas

2. 完整代码 #

import pandas as pd

# 读取本地CSV数据（替换为你自己的本地文件路径）
df = pd.read_csv("你的本地数据路径.csv")

# 步骤1：构建orderID到有效Shop值的映射表，仅保留每个orderID对应的正常订单Shop值
shop_mapping = df[df['Shop'] != 0].drop_duplicates(subset='orderID')[['orderID', 'Shop']].set_index('orderID')['Shop']
> 备注：如果业务中存在同orderID对应多个不同非0 Shop值的场景，可在`drop_duplicates`前添加排序规则，比如按订单创建时间排序取最新值，或按Shop值取最大值等，适配自身业务逻辑即可。

# 步骤2：替换所有退货记录的Shop值
df.loc[df['Shop'] == 0, 'Shop'] = df.loc[df['Shop'] == 0, 'orderID'].map(shop_mapping)

# 可选：异常校验，检查是否存在没有对应正常订单的无效退货记录
invalid_records = df[df['Shop'].isna()]
if len(invalid_records) > 0:
    print(f"发现{len(invalid_records)}条无对应正常订单的退货记录，可自行处理：")
    print(invalid_records['orderID'].unique())

# 保存处理后的数据
df.to_csv("处理后电商数据.csv", index=False)

性能说明 #

该方案采用矢量运算，无循环遍历，100万行数据处理耗时通常在1秒内，内存占用仅为原始数据的2倍以内，完全满足大批量数据处理需求。

结果验证 #

可通过测试样例验证处理逻辑是否正确，比如查看orderID为44的所有记录：
print(df[df['orderID'] == 44])
正常输出的两条记录Shop值均为1即代表处理成功。

内容的提问来源于stack exchange，提问作者Krzysztof Dołęgowski