基于Pandas实现CSV/Excel中字典键匹配并生成对应值列

DevOps 小满

2026-5-26

最Pythonic的Pandas处理方案来啦！

嘿，这个需求用Pandas处理简直是量身定做，给你两个实用又符合Python风格的方法，按需选就行：

方法一：矢量化正则匹配（高效首选）

如果你的数据集比较大，这种矢量化操作比逐行处理快N倍，完全是Pandas的正确打开方式：

import pandas as pd
import re

# 你的映射字典
my_dict = {'Awesome': 'Sauce', 'Foo': 'Barr'}

# 读取CSV/Excel文件（替换成你的文件路径）
df = pd.read_csv('your_data.csv')
# df = pd.read_excel('your_data.xlsx')

# 构建匹配字典键的正则表达式，支持不区分大小写
pattern = '|'.join(re.escape(key) for key in my_dict.keys())
# 提取Col B中匹配的第一个键
df['Col C'] = df['Col B'].str.extract(f'({pattern})', flags=re.IGNORECASE)
# 统一大小写后映射到字典值（解决原数据中键大小写不一致的问题）
df['Col C'] = df['Col C'].str.capitalize().map(my_dict)

运行后你就能看到Col C里完美对应上了Sauce和Barr，而且大数据量下性能拉满！

方法二：自定义函数+apply（灵活易读）

如果需要更灵活的匹配逻辑（比如优先匹配某个键、处理多键匹配的情况），用apply配合自定义函数会更直观：

import pandas as pd

my_dict = {'Awesome': 'Sauce', 'Foo': 'Barr'}
df = pd.read_csv('your_data.csv')

def get_match_value(text, mapping):
    # 遍历字典，检查文本中是否包含键（不区分大小写）
    for key, value in mapping.items():
        if key.lower() in text.lower():
            return value
    return None  # 无匹配时返回None，也可以改成你需要的默认值

# 逐行应用函数生成Col C
df['Col C'] = df['Col B'].apply(lambda x: get_match_value(x, my_dict))

这个方法逻辑清晰，新手也能一眼看懂，适合需要定制匹配规则的场景。