如何基于关联Acct #键匹配填充Pandas DataFrame空白列值
关联填充Cust Group列的实现方案
核心逻辑为:以Acct #作为唯一关联键,将Cust_LCK中存储的客户分组信息匹配映射到Final_df的空白Cust Group列中,两种常用实现方式如下:
方式1:字典映射(单字段填充优先选用)
这种方式代码量最少,不会改变原有DataFrame的行数结构,针对当前仅填充单个字段的场景运行效率最高。
# 1. 基于Cust_LCK生成账号-客户分组的映射字典 acct_to_group = Cust_LCK.set_index('Acct #')['Cust Group'].to_dict() # 2. 按Final_df的账号标识匹配对应分组值,直接覆盖原有全空白的Cust Group列 Final_df['Cust Group'] = Final_df['Acct #'].map(acct_to_group)
方式2:左连接关联(多字段扩展场景适用)
如果后续还需要从Cust_LCK匹配更多字段到Final_df,用merge关联的方式不用重复写匹配逻辑,操作全程会保留Final_df的原有全部数据,不会因为关联操作丢行:
# 1. 先删掉Final_df里原来全是空白的Cust Group列,避免关联后出现两个同名字段 # 2. 按Acct #做左连接,仅取Cust_LCK里需要的账号和客户分组两个字段 Final_df = Final_df.drop(columns=['Cust Group']).merge( right = Cust_LCK[['Acct #', 'Cust Group']], on = 'Acct #', how = 'left' )
匹配前必须做的几个检查
- 统一账号字段的数据类型:提前把两个表的
Acct #都转成字符串格式,避免一个是整数类型、一个是带前导零的字符串类型导致匹配不上,示例写法:Final_df['Acct #'] = Final_df['Acct #'].astype(str) - 排查Cust_LCK的账号重复值:如果Cust_LCK里同一个账号对应了多个客户分组,关联后会把Final_df的行数撑得异常多,可以用代码快速检查:
Cust_LCK['Acct #'].duplicated().any(),有重复的话先去重再做匹配 - 未匹配值兜底:如果Final_df里有的账号在Cust_LCK里查不到记录,匹配完后
Cust Group列会是空值,可以按业务要求统一填充兜底内容,写法示例:Final_df['Cust Group'] = Final_df['Cust Group'].fillna('未匹配到记录')
内容的提问来源于stack exchange,提问作者wleonard
相关产品推荐
相关产品推荐

