如何在Pandas中基于source和category两列映射生成contract_type列？

我来帮你搞定这个需求！核心逻辑就是先基于source列用source_map生成默认值，再检查category列是否包含mobis_map的键，如果包含就优先替换成对应的值。下面是具体的实现步骤和代码示例：

步骤1：准备数据和映射字典 #

首先我们先还原示例中的数据和映射关系：

import pandas as pd
import numpy as np

# 示例原始数据
data = {
    'source': ['ALLIAN', 'ALLSB', '00CORP', '00CORP'],
    'category': ['ALL', 'ASB', '100 01', '847 1']
}
df = pd.DataFrame(data)

# 定义两个映射字典（根据示例补充完整）
source_map = {
    'ALLIAN': 'ALLIAN',
    'ALLSB': 'ALLSB',
    '00CORP': '00CORP'
}
mobis_map = {
    '847': 'MOBIS'  # 示例中category包含847时映射为MOBIS
}

步骤2：生成默认的contract_type列 #

先基于source列，用map()方法快速生成默认的contract_type值：

df['contract_type'] = df['source'].map(source_map)

步骤3：实现优先替换逻辑 #

这里提供两种方案，你可以根据数据集大小选择：

方案一：直观的逐行判断（适合小数据集） #

写一个自定义函数，用apply()逐行检查category是否包含mobis_map的键，匹配到就返回对应值，否则保留默认值：

def get_final_contract_type(row):
    # 遍历mobis_map的所有键，检查是否在当前行的category中
    for key, value in mobis_map.items():
        if key in row['category']:
            return value
    # 没有匹配的键时返回默认值
    return row['contract_type']

df['contract_type'] = df.apply(get_final_contract_type, axis=1)

方案二：高效的向量式操作（适合大数据集） #

避免逐行循环，用Pandas的字符串方法和布尔索引实现，性能更优：

# 构建匹配掩码：判断category是否包含任意mobis_map的键
mobis_keys = '|'.join(mobis_map.keys())
mask = df['category'].str.contains(mobis_keys)

# 对匹配到的行，提取对应的键并映射为mobis_map的值，替换原有的contract_type
df.loc[mask, 'contract_type'] = df.loc[mask, 'category'].str.extract(f"({mobis_keys})")[0].map(mobis_map)

最终结果 #

运行完上面的代码后，查看数据框：

print(df)

输出结果完全符合你的示例：

source category contract_type
0  ALLIAN      ALL         ALLIAN
1   ALLSB      ASB          ALLSB
2  00CORP  100 01         00CORP
3  00CORP   847 1          MOBIS

如果你的mobis_map有多个键，或者需要处理更复杂的匹配规则，只需要调整映射字典和匹配逻辑即可~

内容的提问来源于stack exchange，提问作者spitfiredd