基于字符串长度与列优先级筛选DataFrame单元格的高效方法

我来帮你搞定这个需求！针对这种按列优先级+字符长度限制筛选内容的场景，用Pandas可以轻松实现，而且能高效处理大型DataFrame。下面给你两种实用方法，优先推荐第一种矢量化方案，速度快得多。

先构造示例数据 #

先拿你给出的例子扩展一下，方便你对照理解：

import pandas as pd
import numpy as np

data = {
    'Column1': ['A1', 'B2', 'C3'],
    'Column2': ['Hotels in London, UK', 'This string is way longer than 30 characters for sure', 'Short col2'],
    'Column3': ['Hotels in London', 'Shorter string under 30 chars', 'Longer col3 that exceeds thirty characters'],
    'Column4': ['Hotels', 'Even shorter col4', 'Col4 fallback']
}
df = pd.DataFrame(data)

方法一：用np.select（推荐，适合大型DataFrame） #

这是矢量化操作，不需要逐行遍历，处理大型数据集速度超快，是最优解。
核心思路是先定义优先级条件，再按条件匹配对应列的值：

# 先处理可能的缺失值（如果有的话），避免计算长度时报错
df[['Column2', 'Column3', 'Column4']] = df[['Column2', 'Column3', 'Column4']].fillna('')

# 定义优先级条件：按column2→column3的顺序判断长度是否<30
conditions = [
    df['Column2'].str.len() < 30,  # 第一个优先级：column2满足长度要求
    df['Column3'].str.len() < 30   # 第二个优先级：column2不满足时，检查column3
]

# 对应条件的取值列
choices = [
    df['Column2'],
    df['Column3']
]

# 应用筛选，默认选column4（前两个条件都不满足时）
df['selected_content'] = np.select(conditions, choices, default=df['Column4'])

运行后你会得到新列selected_content，完全符合你的优先级+长度限制要求。

方法二：用apply（适合小型DataFrame，直观但效率低） #

如果你的数据集不大，也可以用逐行处理的方式，逻辑更直观，但大型DataFrame不推荐，因为逐行遍历速度很慢：

def pick_best_content(row):
    # 按优先级依次判断
    if len(row['Column2']) < 30:
        return row['Column2']
    elif len(row['Column3']) < 30:
        return row['Column3']
    else:
        return row['Column4']

# 应用到每行
df['selected_content'] = df.apply(pick_best_content, axis=1)

注意事项 #

• 确保你的列是字符串类型：如果列里混了数值或其他类型，先转成字符串，比如df['Column2'] = df['Column2'].astype(str)
• 处理缺失值：如果有NaN，记得先用fillna('')填充，否则计算len()会报错

内容的提问来源于stack exchange，提问作者Tim496