Python Pandas实现按指定年份参数匹配返回对应行的Country与Name列值

核心逻辑 #

不需要手动嵌套循环逐行、逐列做值判断，借助Pandas内置的向量化条件筛选能力就能完成匹配，处理效率远高于手写遍历循环：

1. 读取目标Excel文件，转换为结构化DataFrame
2. 通过布尔索引筛选出Year列值和入参目标年份完全相等的所有行
3. 从筛选结果中提取Country、Name两列的字段值，按需要的格式返回

完整函数代码 #

首先导入依赖库：

import pandas as pd

def giveDetails(target_year):
    # 替换为你本地的Excel文件实际路径
    df = pd.read_excel("你的数据表.xlsx")
    # 可选：统一Year列的数据类型，避免因为格式不一致（比如年份存为文本）导致匹配失效
    df["Year"] = df["Year"].astype(int)
    # 条件筛选：匹配目标年份，取Country、Name两个字段
    matched_result = df[df["Year"] == target_year][["Country", "Name"]]
    
    # 可根据业务需要选择返回格式：
    # 方案1：返回结构化DataFrame，方便后续做二次统计、导出等操作
    return matched_result
    # 方案2：返回拼接好的文本列表，和示例需求的返回形式匹配
    # return [f"{row.Country} {row.Name}" for row in matched_result.itertuples()]

调用效果对照 #

• 调用giveDetails(1992)时，会匹配到所有1992年的记录，对应返回Germany Lisa、Spain Sofia、USA Thomas的字段值
• 调用giveDetails(1994)时，会匹配返回Sweden Hubert的字段值
• 调用giveDetails(1995)时，会匹配返回Germany Jossy的字段值

常见踩坑提醒 #

• 匹配失效时优先检查Year列的数据类型，比如Excel导出时可能把数字格式的年份存为带空格的字符串，统一转成整数再做匹配就能解决大部分匹配不到的问题
• 如果没有匹配到对应年份的记录，函数会返回空的结果集，可以根据需要增加自定义的提示逻辑，比如匹配为空时返回"无对应年份的记录"

小提示：如果后续需要扩展匹配规则，比如多条件匹配、模糊匹配，只需要在筛选条件的位置追加逻辑判断即可，不需要改动整体的代码结构。

内容的提问来源于stack exchange，提问作者Tommy