Python基于pandas条件判断批量生成Excel备注列

一、为什么不建议使用逐行循环

初学者面对这类需求时，直觉通常是使用 for 循环配合 iterrows() 遍历每一行，在 Python 的 if-else 语句中逐条判断并修改单元格。这种方式虽然逻辑直观，但由于打破了底层 C 语言的连续内存块加速，每处理一行都会产生对象打包与解包的额外开销。在处理几千行甚至数万行数据时，运行耗时会从几毫秒飙升至数秒甚至数分钟。

pandas 推荐的解法是向量化（Vectorization）计算：把整个列视作一个数组，直接在内存层对整列执行逻辑判断，生成布尔掩码（Boolean Mask），再通过底层优化的路由机制批量赋给新列。无论从运行效率还是代码整洁度来看，向量化都是批量生成备注列的标准解法。

二、运行环境准备

完成本文任务需要 Python 3.8+ 环境，以及两个核心数据处理库 pandas 和 openpyxl（用于读写 Excel 的 .xlsx 格式）。在终端中执行以下命令安装：

pip install pandas numpy openpyxl

假设我们有一份原始业务表格 sales_data.xlsx，其包含以下字段和数据：

三、场景一：单条件二元分支（numpy.where）

当业务规则比较单一，属于典型的“满足条件赋 A，否则赋 B”时，最轻量的做法是使用 numpy.where(condition, x, y)。它的行为类似于 Excel 中的 =IF(条件, 真值, 假值)，但在内存中直接按矢量执行。

代码实现

import pandas as pd
import numpy as np

# 1. 读取 Excel 文件
df = pd.read_excel('sales_data.xlsx')

# 2. 单条件判断：当前库存是否低于安全库存
condition = df['当前库存'] < df['安全库存']

# 3. 向量化匹配生成备注列
df['库存备注'] = np.where(condition, '库存预警(需补货)', '库存正常')

# 4. 保存为新 Excel 文件
df.to_excel('sales_data_processed.xlsx', index=False)
print("单条件备注列已成功批量生成并保存！")

四、场景二：多重复杂条件的层级匹配（numpy.select）

真实业务中往往存在多阶梯判定。例如：

• 紧急断货：当前库存为 0；
• 缺货预警：当前库存小于安全库存，且近30天销量大于 100；
• 滞销关注：当前库存大于等于安全库存的 2 倍，且近30天销量小于 20；
• 正常运转：其余所有情况。

处理这种多条件匹配时，嵌套 np.where 会导致代码极其臃肿难读。最佳实践是使用 numpy.select(condlist, choicelist, default)。

代码实现

import pandas as pd
import numpy as np

df = pd.read_excel('sales_data.xlsx')

# 1. 定义多条件列表（注意每个子条件必须用小括号括起来）
conditions = [
    (df['当前库存'] == 0),
    (df['当前库存'] < df['安全库存']) & (df['近30天销量'] > 100),
    (df['当前库存'] >= df['安全库存'] * 2) & (df['近30天销量'] < 20)
]

# 2. 定义对应的备注文本列表（长度必须与 conditions 一致）
choices = [
    '【严重】已断货，紧急采购',
    '【预警】热销缺货，常规补货',
    '【关注】库存积压，建议促销'
]

# 3. 批量生成复合备注列，并指定兜底默认值
df['综合运营备注'] = np.select(conditions, choices, default='【正常】库存流转平稳')

# 4. 导出为新 Excel 文件
df.to_excel('sales_data_processed.xlsx', index=False)
print("多条件复合备注列生成完成！")

五、底层机制对比：向量化 vs 循环与 apply

很多开发者在面对多列运算时会考虑 df.apply(lambda row: ..., axis=1)。虽然 apply 语法上比 for 循环简短，但本质上它仍然是在 Python 解释器内部执行行级循环，并反复创建 Series 对象。

六、高频踩坑点与避坑准则

在实际编码中，虽然思路简单，但有几个细节极易导致报错或产生意料之外的空值：

1. 逻辑运算符优先级与括号问题

在 Python 中，按位运算符 &（与）和 |（或）的优先级高于比较运算符（如 >、<=、==）。如果不加小括号：

# 错误写法：会优先计算 df['安全库存'] & df['近30天销量']，引发 TypeError
df['当前库存'] < df['安全库存'] & df['近30天销量'] > 100

# 正确写法：每个判断单元必须用独立的括号包住
(df['当前库存'] < df['安全库存']) & (df['近30天销量'] > 100)

2. 空值（NaN）穿透导致所有条件失真

如果 Excel 某单元格存在空值，在进行比较（如 df['销量'] > 50）时，结果会直接返回 False。若未对缺失值做预处理，这部分数据会自动落入 default 兜底备注中，造成业务误判。

防范方法：在执行判断前，明确处理缺失值，或显式将 .isna() 作为前置条件纳入 conditions 列表：

# 方式 A：预填充安全默认值
df['近30天销量'] = df['近30天销量'].fillna(0)

# 方式 B：将空值作为独立条件置于首位
conditions = [
    df['当前库存'].isna(),
    df['当前库存'] == 0,
    ...
]
choices = [
    '【异常】数据缺失待核实',
    '【严重】已断货',
    ...
]

3. 条件列表与取值列表长度不匹配

np.select 要求 len(conditions) == len(choices)。若两者长度不等，会抛出 ValueError: list of cases, can't solve without default case 异常。务必在编码后核对列表对应关系。

七、方案选型决策与总结

针对不同的数据格式与规则复杂度，pandas 提供了多种生成新列的方法。我们可以根据以下规则进行选择：

通过本文介绍的方法，在处理 Excel 批量备注生成时，可以优先评估业务规则是单条件还是多条件：简单的二元逻辑直接选用 np.where；面对复杂的阶梯规则与多指标联动时，使用 np.select 分离条件与取值，即可在保持代码清晰、易维护的同时，获得向量化运算带来的极速处理体验。