如何将自定义字符串匹配函数批量应用于DataFrame多列范围？

首先，咱们先修复原函数里的一个关键问题：你写的('I50' or 'I51') in row['A0']这种写法是无效的——Python会先计算'I50' or 'I51'，结果是'I50'，所以实际上只在检查'I50'是否存在，而不是两者任意一个。后面的('F00' or 'F01' or 'F02')也有同样的问题，咱们在重构时一起解决。

接下来，为了实现批量处理多列对的需求，我们可以把匹配规则抽象成一个可配置的字典，然后编写通用的处理函数，最后循环处理所有目标列对。

步骤1：定义可配置的匹配规则 #

把原函数里的判断逻辑转换成字典，这样后续修改或添加规则会非常方便：

import numpy as np
import pandas as pd

match_rules = {
    'J44': {'required_in_A': {'J44'}},
    'I50': {'required_in_A': {'I50'}},
    'I51': {'required_in_A': {'I50', 'I51'}},
    'F03X': {'required_in_A': {'F00', 'F01', 'F02'}},
    'N18': {'required_in_A': {'N18'}}
}

每个键是i_c列中需要匹配的字符串，对应的值是该字符串需要满足的校验规则（这里是Ai列中需要包含的字符串集合）。

步骤2：编写通用的列对处理函数 #

这个函数接受单行数据、目标列名、校验列名和规则字典，返回处理后的结果：

def process_column_pair(row, target_col, check_col, rules):
    target_val = row[target_col]
    check_val = row[check_col]
    
    # 遍历所有规则，找到匹配的目标字符串
    for target_str, rule in rules.items():
        if target_str in target_val:
            # 检查校验列是否包含规则中的任意一个字符串
            if any(req_str in check_val for req_str in rule['required_in_A']):
                return target_val
            return np.nan
    # 没有匹配任何规则，返回nan
    return np.nan

步骤3：实现批量处理逻辑 #

编写一个函数，遍历所有需要处理的列对（i_c和Ai，i从0到n-1），对每一列对应用处理函数：

def batch_process(df, num_pairs, rules):
    for i in range(num_pairs):
        target_col = f"{i}_c"
        check_col = f"A{i}"
        # 确保列存在，避免KeyError
        if target_col not in df.columns or check_col not in df.columns:
            print(f"警告：列 {target_col} 或 {check_col} 不存在，跳过处理")
            continue
        # 应用处理函数到每一行
        df[target_col] = df.apply(
            lambda row: process_column_pair(row, target_col, check_col, rules),
            axis=1
        )
    return df

这里添加了列存在性检查，避免因列名错误导致的异常。

使用示例 #

假设你需要处理5组列对（0_c/A0到4_c/A4），只需调用：

# 假设你的DataFrame名为df
df = batch_process(df, num_pairs=5, rules=match_rules)

为什么这样做？ #

• 可维护性：规则集中在字典里，新增或修改规则不需要改动函数逻辑
• 通用性：处理函数不绑定特定列名，可复用在任意列对组合
• 正确性：修复了原函数中逻辑判断的错误，确保多字符串校验的有效性

内容的提问来源于stack exchange，提问作者Matt