如何在pandas DataFrame中为序列项添加值班序数标记
实现方案
这个场景不需要套用通用的数字转序数逻辑——因为值班称谓是固定的业务标签,直接做列表位置到对应标签的映射即可,逻辑简洁也能避免之前脚本适配失败的问题,不管是pandas DataFrame还是普通Python数组都能适配。
步骤1:固定标签映射
先定义列表内元素位置对应的值班标签,后续有更多值班层级直接在字典里加键值对就行:
oncall_label_map = { 0: "Primary oncall", 1: "Secondary oncall", 2: "Third oncall" } # 如需更多层级,按需补充键值对,例:3: "Fourth oncall", 4: "Fifth oncall"
场景1:pandas DataFrame 处理
先模拟和你描述一致的原始DataFrame结构:
import pandas as pd # 原始数据结构 df = pd.DataFrame( {"oncall_names": [["John"], ["Jack", "Tom"], ["Eric", "Chris", "Bob"]]}, index=[0, 1, 2] )
写逐行格式化的处理函数,遍历每个姓名列表,按元素所在位置匹配对应标签,拼接成目标格式:
def format_oncall_group(name_list): res = [] # enumerate 可以同时获取元素在列表中的位置、对应的姓名 for pos, name in enumerate(name_list): # 用get兜底,避免超出已定义标签范围时报错 label = oncall_label_map.get(pos, f"Level {pos+1} oncall") res.append(f"{label}: {name}") return ", ".join(res) # 把处理函数应用到数据列上,生成格式化后的新列 df["formatted_content"] = df["oncall_names"].apply(format_oncall_group)
场景2:普通Python数组 处理
如果你的数据是纯Python列表形式,处理逻辑和上面完全一致:
raw_array = [ ["John"], ["Jack", "Tom"], ["Eric", "Chris", "Bob"] ] formatted_array = [] for group in raw_array: item_res = [] for pos, name in enumerate(group): label = oncall_label_map.get(pos, f"Level {pos+1} oncall") item_res.append(f"{label}: {name}") formatted_array.append(", ".join(item_res))
最终输出效果
不管哪种场景,处理后的结果完全匹配你需要的格式:
0 Primary oncall: John 1 Primary oncall: Jack, Secondary oncall: Tom 2 Primary oncall: Eric, Secondary oncall: Chris, Third oncall: Bob
之前你试的通用数字转写脚本没生效的核心原因很简单:这类脚本是用来把任意整数转成通用的英文序数描述,但你的场景用的是固定的业务化值班称谓,根本不需要动态生成序数,硬套通用脚本反而绕了远路,直接做位置到标签的固定映射就行,逻辑轻还不容易出bug。
内容的提问来源于stack exchange,提问作者alexandru popa
相关产品推荐
相关产品推荐

