Python Pandas实现UPC批量添加校验位与CSV导出操作

类型适配说明 #

• 读取CSV时指定dtype=str保留UPC前导零的操作完全正确，不需要把字符串形式的UPC整体转为数值类型。
• 你编写的add_check_digit函数内部已经通过逐字符转int的方式完成了校验计算，和字符串输入天然兼容，无需修改核心计算逻辑。仅需修正原代码的缩进问题：if check_digit == 10分支下的check_digit = 0语句缺少缩进，直接运行会触发语法错误，修正后的完整函数代码如下：

def add_check_digit(upc_str):  
    upc_str = str(upc_str)
    if len(upc_str) != 12: 
        raise Exception("Invalid length")

    odd_sum = 0
    even_sum = 0 
    for i, char in enumerate(upc_str): 
        j = i+1 
        if j % 2 == 0: 
            even_sum += int(char) 
        else:
            odd_sum += int(char) 
    total_sum = (even_sum * 3) + odd_sum 
    mod = total_sum % 10 
    check_digit = 10 - mod 
    if check_digit == 10: 
        check_digit = 0 
    return upc_str + str(check_digit) 

DataFrame列级批量处理实现 #

• 不需要手动循环逐条调用函数，借助pandas的apply方法即可把单值处理逻辑直接应用到整列。假设你的原始12位UPC存储在raw_upc列（替换为你CSV里的实际列名即可），核心实现仅需一行代码：

# 生成带校验位的13位UPC，存入新列
upc['full_upc_with_check'] = upc['raw_upc'].apply(add_check_digit)

• 如果担心个别异常值（比如长度不符合12位要求的脏数据）导致整个流程中断，可以套一层简单的异常捕获，实现容错批处理：

def safe_add_check_digit(upc_str):
    try:
        return add_check_digit(upc_str)
    except Exception as e:
        # 异常值标注错误信息和原始内容，方便后续排查
        return f"INVALID: {e} | 原始值:{upc_str}"

# 替换上面的apply调用，使用容错版本
upc['full_upc_with_check'] = upc['raw_upc'].apply(safe_add_check_digit)

结果导出CSV方法 #

• 导出时必须保留字符串存储规则，避免前导零被自动截断，调用to_csv时的关键参数配置如下：

upc.to_csv(
    "/Users/lee/Desktop/upc_with_check_digit.csv",
    index=False,  # 不导出pandas自动生成的无意义行索引
    dtype=str     # 强制所有字段以文本格式存储，保住UPC的前导零
)

实用提示：即使导出时设置了字符串类型，用Excel双击直接打开CSV仍可能丢失前导零，正确打开方式是通过Excel的「数据-从文本/CSV导入」功能，在导入向导中提前把UPC列指定为文本格式。

内容的提问来源于stack exchange，提问作者Nicole