Pandas DataFrame按字符串长度规则实现列文本替换生成字母数字路由
路由列规则化替换的正确实现方案
核心规则梳理
- 基础规则:无论路由字符串长度是3位还是4位,都需将首位数字按映射转换为对应字母,即1→T、2→P、3→A、4→E
- 条件规则:仅当原始路由字符串长度为4位时,将最后一位数字按映射转换为对应字母,即1→A、2→B、3→C、4→D、5→E;3位长度的路由不执行末位替换
现有尝试代码的问题根源
- 列名错位:首字符替换流程生成的目标列名为
Alphanumeric Route,但后续编写的末位替换代码操作的是名为Línea的列,处理逻辑完全没有作用到目标数据上 - 方法误用:直接调用Python原生字符串的
replace()方法时,传入的正则规则会被当作普通文本搜索,该方法不支持正则语法解析,根本无法匹配目标位置的字符 - 效率低下:循环遍历映射表逐行替换的写法冗余度高,处理上万行以上数据时会出现明显性能瓶颈
完整可运行代码
import pandas as pd # 前置准备:统一Numeric Route列为字符串类型,避免数字类型的长度判断错误 evaluate2['Numeric Route'] = evaluate2['Numeric Route'].astype(str) # 定义两类映射规则 first_char_map = {'1':'T', '2':'P', '3':'A', '4':'E'} last_char_map = {'1':'A', '2':'B', '3':'C', '4':'D', '5':'E'} # 第一步:完成首字符替换(优化为向量化写法,替代逐行循环) evaluate2['Alphanumeric Route'] = evaluate2['Numeric Route'].str.replace( pat=r'^(\d)', regex=True, repl=lambda match: first_char_map[match.group(1)] ) # 第二步:按长度条件完成末位替换 def process_route(row): original_len = len(row['Numeric Route']) converted_str = row['Alphanumeric Route'] # 3位及以下长度的路由直接返回首字符替换后的结果 if original_len < 4: return converted_str # 4位长度的路由,拆分字符串:保留前缀部分,将末位数字按映射替换 prefix = converted_str[:-1] last_digit = row['Numeric Route'][-1] return prefix + last_char_map.get(last_digit, last_digit) # 批量应用处理逻辑 evaluate2['Alphanumeric Route'] = evaluate2.apply(process_route, axis=1)
运行后匹配的目标结果
| Numeric Route | Alphanumeric Route |
|---|---|
| 1571 | T57A |
| 2212 | P21B |
| 3123 | A12C |
| 421 | E21 |
| 2473 | P21C |
大数据量优化写法
当处理的路由数据量超过10万行时,可改用pandas掩码的向量化操作,避免逐行apply的性能损耗:
# 标记需要做末位替换的行(原始路由长度为4的行) need_replace_mask = evaluate2['Numeric Route'].str.len() == 4 # 仅对符合条件的行执行末位替换 evaluate2.loc[need_replace_mask, 'Alphanumeric Route'] = evaluate2.loc[need_replace_mask, 'Alphanumeric Route'].str.replace( pat=r'(\d)$', regex=True, repl=lambda match: last_char_map[match.group(1)] )
内容的提问来源于stack exchange,提问作者Walther Seidel
相关产品推荐
相关产品推荐

