Pandas DataFrame 客户名转换并新增对应行的实现方法
实现方案
核心逻辑为逐行遍历原始数据,同步收集原始行与所有符合转换规则的新行,最后一次性生成最终DataFrame,避免逐行追加DataFrame带来的性能损耗。
关键调整点
- 调整原有转换函数的返回逻辑:你编写的
Private函数仅覆盖PVT判断、返回打包的三元组,不适合直接用来拼接表格,需要将转换逻辑拆分为逐条件判断后追加独立行的形式 - 补全规则判断:除原有针对
PVT的替换逻辑,新增&替换为AND的判断分支 - 采用列表收集行记录:不直接对原DataFrame逐行调用
append(该操作会重复复制全表数据,大数据量下效率极低),而是将每一条待输出的记录以字典形式存入空列表,最后统一将列表转为DataFrame - 原始行默认赋值:所有原始客户名对应的记录,
Transformation applied字段初始值统一为NONE
完整可运行代码
import pandas as pd # 构造原始DataFrame data = {'Client Name' : ['ABC CO PVT', 'ABC CO PVT', 'ONE PRIVATE', 'Good & Bad Limited']} df = pd.DataFrame(data, columns = ['Client Name']) # 初始化空列表存储最终需要的所有行 result_rows = [] for client_name in df['Client Name']: # 先写入原始行记录 result_rows.append({ "Client Name": client_name, "Transformation applied": "NONE" }) # 处理PVT替换规则 if "PVT" in client_name: transformed_name = client_name.replace("PVT", "PRIVATE") result_rows.append({ "Client Name": transformed_name, "Transformation applied": "PRIVATE" }) # 处理&替换规则 if "&" in client_name: transformed_name = client_name.replace("&", "AND") result_rows.append({ "Client Name": transformed_name, "Transformation applied": "AND" }) # 生成最终DataFrame final_df = pd.DataFrame(result_rows)
输出结果说明
注:你最初提供的参考表存在列值错位,按照需求规则,替换后的客户名称需放在
Client Name列,转换类型标记放在Transformation applied列,最终正确输出如下:
| Client Name | Transformation applied |
|---|---|
| ABC CO PVT | NONE |
| ABC CO PRIVATE | PRIVATE |
| ABC CO PVT | NONE |
| ABC CO PRIVATE | PRIVATE |
| ONE PRIVATE | NONE |
| Good & Bad Limited | NONE |
| Good AND Bad Limited | AND |
内容的提问来源于stack exchange,提问作者Sai
相关产品推荐
相关产品推荐

