编写R或Python函数匹配itemcode与列表键返回对应商品描述

之前代码的问题定位 #

你尝试的R和Python版本的代码，核心逻辑都存在错位：

• R版本中用主数据集的行号i，将当前行的itemcode值和itemlist第i个位置的元素做相等判断，完全没有用itemcode的实际值去匹配字典的键，自然会产出大量NA，这个问题和之前tibble导入的解析错误没有关联
• Python版本中将字典类当列表使用append方法、search函数的判断逻辑存在语法错误，实际的键值匹配完全不需要手动实现逐行查找

R 语言实现 #

首选方案：左表关联（最稳妥，无长度错位风险） #

不需要依赖命名列表做匹配，直接按公共键itemcode做左连接，能自动处理重复键、缺失匹配的情况，完全避免循环、索引丢值的问题：

# 保留主数据集所有行，匹配到的行携带对应商品描述，匹配失败自动填充NA
main <- merge(
  x = main,
  y = itemcodes[, c("itemcode", "l1desc")],
  by = "itemcode",
  all.x = TRUE
)

基于已有命名列表的向量化匹配 #

如果你已经完成了itemlist命名列表的转换，可以按键名做精确匹配，注意处理匹配失败的空值，避免结果长度和主数据集错位：

# 提前清洗两侧的itemcode，去掉首尾隐形空格，减少无意义的匹配失败
names(itemlist) <- trimws(names(itemlist))
main$itemcode <- trimws(main$itemcode)

# 逐值提取，匹配失败返回NA，保证结果长度和主数据集完全一致
main$matched_desc <- vapply(
  X = main$itemcode,
  FUN = function(current_code) {
    if (!is.null(itemlist[[current_code]])) {
      itemlist[[current_code]]
    } else {
      NA_character_
    }
  },
  FUN.VALUE = character(1)
)

注意：不要直接用unlist(itemlist[main$itemcode])提取结果，当存在匹配失败的空值时，NULL元素会被unlist丢弃，导致结果长度短于主数据集，赋值时会触发长度不匹配的报错

手写循环的正确逻辑（不推荐，仅作参考） #

如果需要逐行判断，需要预分配和主数据集等长的结果向量，循环内取当前行的itemcode值匹配键名，而非用行号对齐列表位置：

# 预分配等长空向量，避免循环中动态扩展降低运行速度
mapped_items <- character(nrow(main))
for (i in seq_len(nrow(main))) {
  current_code <- main$itemcode[i]
  mapped_items[i] <- ifelse(
    current_code %in% names(itemlist),
    itemlist[[current_code]],
    NA_character_
  )
}
main$matched_desc <- mapped_items

Python（Pandas）实现 #

首选方案：字典映射匹配 #

不需要手动实现search查找逻辑，pandas内置的map方法天生支持字典键值匹配，底层为C实现，大数据量下性能远高于手写Python循环，匹配失败时自动填充NaN，长度和原列完全一致：

import pandas as pd

# 1. 将辅数据集转为itemcode为键、商品描述为值的字典
item_dict = dict(zip(item_codes_df["itemcode"], item_codes_df["l1desc"]))

# 2. 逐行匹配主数据集的itemcode，结果直接写入新列
main["matched_desc"] = main["itemcode"].map(item_dict)

为了减少隐形字符导致的匹配失败，可以提前对两侧的itemcode做清洗：

# 去掉itemcode的首尾空格
main["itemcode"] = main["itemcode"].str.strip()
item_codes_df["itemcode"] = item_codes_df["itemcode"].str.strip()

# 重新生成字典完成匹配
item_dict = dict(zip(item_codes_df["itemcode"], item_codes_df["l1desc"]))
main["matched_desc"] = main["itemcode"].map(item_dict)

表关联实现逻辑 #

和R的merge逻辑一致，pandas也支持直接按itemcode做左连接，处理重复键更稳妥：

main = main.merge(
  right = item_codes_df[["itemcode", "l1desc"]],
  on = "itemcode",
  how = "left"
)

内容的提问来源于stack exchange，提问作者donutdev