Pandas：基于特定值选择性连接列

Question

我刚开始接触Pandas，遇到了一个问题，就是如何正确地把几列合并在一起。这似乎涉及到我研究过的所有其他问题。

我的数据有多个字段，前13个字段都是和序列号有关的（字段名是“sn1”到“sn13”）。这些字段之后的数据也很重要，但和我现在的问题无关。前11个字段包含了实际的序列号数据，剩下的字段是以后要解决的其他问题。这些字段名存储在一个列表中，叫做serialname_list。

序列号的格式是：XXX-XXXX-XXX

唯一需要注意的是，有些序列号是：XXXA-XXX-XXX

这个“A”总是在“SN4”这个位置（也就是第4个字符）。每个字符最开始都是以ASCII码的形式存储在各自的字段里。我想写一个函数，接收这个数据框，先把ASCII码转换成字符，然后根据是否有“A”来正确格式化序列号，最后把格式化后的序列号存储在“Serial”字段中，并删除所有旧的字段。

我写的代码已经接近了，但似乎运行这两个函数时，会把之前的数据覆盖成“NAN”，这是因为序列号格式不一样。我不知道我哪里做错了，因为我以为我已经正确选择了那些==A或!=A的行。

另外，从我的研究来看，我觉得逐个遍历每一行的元素是不对的，因为应该用向量化的方式来处理。我的数据似乎是可以这样处理的（行要么包含“A”，要么不包含“A”，可以随意处理），但在实际操作中，我对如何正确使用Loc、Where、Apply和Query感到困惑。

def convertserial(df):
    
    def long_serial(x):
        
        tempstring =''
         
        for i in range(len(serialname_list)-2):
            tempstring = tempstring + x['sn' + str(i+1)]
            if i == 3 or i == 7: #Follow pattern with adding dashes
                tempstring = tempstring + '-'
        return tempstring
    
    def normal_serial(x):
        
        tempstring =''

        for i in range(len(serialname_list)-2):
             tempstring = tempstring + x['sn' + str(i+1)]
             if i == 2 or i == 6: #Follow alternate pattern with adding dashes
                  tempstring = tempstring + '-'
        return tempstring
    
    df = df[serialname_list].apply(lambda x: x.map(chr)) #Convert ASCII codes to characters
    df['serial'] = df[df['sn4']=='A'].apply(long_serial,axis=1) #If A is present, longer than normal SN
    df['serial'] = df[df['sn4']!='A'].apply(normal_serial,axis=1) #If A is not present, normal
    return df

Answer 1

 def convertserial(df):
    df[serialname_list] = df[serialname_list].apply(lambda x: x.map(chr))
    mask = df['sn4'] == 'A'
    df['serial'] = df.apply(
        lambda x: f"{x['sn1']}{x['sn2']}{x['sn3']}-{'A-' if x['sn4'] == 'A' else ''}{x['sn5']}{x['sn6']}{x['sn7']}-{x['sn8']}{x['sn9']}{x['sn10']}",
        axis=1
    )
    df.drop(columns=serialname_list[:-1], inplace=True)
    return df

这个看起来是有效的，已经在一个样本上测试过了。它解决了几个问题：

1. 你遇到的NaN（不是一个数字）问题，可能是因为同一列被写了两次。一次是在检查A的时候，另一次是在检查不是A的时候。这里因为没有条件检查，第二个语句的结果覆盖了第一个。
2. 我们把样本模板写死了，所以不需要根据代码来做任何修改。
3. 修复这个问题也有助于解决数据丢失的情况，比如在我的运行中，我发现生成结果时最后两个字符被跳过了。

Output:

   sn1  sn2  sn3  sn4  sn5  sn6  sn7  sn8  sn9  sn10
0   74   79   76   66   87   74   72   65   86    80
1   81   66   89   65   86   67   89   81   80    65
2   82   81   78   66   90   82   79   80   71    80
3   65   68   80   66   82   78   88   90   80    77
4   86   73   70   66   74   68   83   65   84    86
5   79   83   78   66   84   77   65   71   73    76
6   89   84   76   66   83   78   87   74   85    69
7   73   68   71   66   76   68   82   68   65    70
8   77   67   87   66   68   79   70   65   73    65
9   76   82   81   65   86   66   65   71   70    79
  sn10         serial
0    P    JOL-WJH-AVP
1    A  QBY-A-VCY-QPA
2    P    RQN-ZRO-PGP
3    M    ADP-RNX-ZPM
4    V    VIF-JDS-ATV
5    L    OSN-TMA-GIL
6    E    YTL-SNW-JUE
7    F    IDG-LDR-DAF
8    A    MCW-DOF-AIA
9    O  LRQ-A-VBA-GFO

关于数据生成

data = {
    'sn1': np.random.randint(65, 91, size=10), 
    'sn2': np.random.randint(65, 91, size=10),
    'sn3': np.random.randint(65, 91, size=10),
    'sn4': [65 if np.random.rand() < 0.5 else np.random.randint(65, 91) for _ in range(10)],
    'sn5': np.random.randint(65, 91, size=10),
    'sn6': np.random.randint(65, 91, size=10),
    'sn7': np.random.randint(65, 91, size=10),
    'sn8': np.random.randint(65, 91, size=10),
    'sn9': np.random.randint(65, 91, size=10),
    'sn10': np.random.randint(65, 91, size=10),
}
df = pd.DataFrame(data)
serialname_list = ['sn1', 'sn2', 'sn3', 'sn4', 'sn5', 'sn6', 'sn7', 'sn8', 'sn9', 'sn10']