### 使用 Pandas 实现基于姓名和学历的多条件匹配 在 Python 中，利用 Pandas 库可以轻松实现基于多个字段（如姓名和学历）的多条件匹配操作。以下是详细的解决方案。 #### 方法概述 1. **安装依赖库** 确保已安装 `pandas` 和 `openpyxl` 库。如果尚未安装，可通过以下命令完成： ```bash pip install pandas openpyxl ``` 2. **读取 Excel 文件** 使用 `pd.read_excel()` 函数加载 Excel 表格数据，并将其转换为 DataFrame 结构[^4]。 3. **设置多条件过滤** 利用布尔索引技术，结合 `(DataFrame['列名'] == 条件)` 的方式创建复合条件表达式[^1]。 4. **提取匹配结果** 将满足条件的行筛选出来，并显示或保存相关内容。 --- #### 示例代码 假设有一个名为 `students.xlsx` 的 Excel 文件，其中包含四列：`Name`, `Education`, `Age`, 和 `Score`。我们需要根据给定的姓名和学历查找对应的年龄和分数。 ```python import pandas as pd # 读取Excel文件中的特定工作表 df = pd.read_excel('students.xlsx', sheet_name='Sheet1') # 定义一个多条件查询函数 def find_student_info_by_conditions(name, education): # 创建布尔掩码以应用多重条件 condition = (df['Name'] == name) & (df['Education'] == education) # 根据条件筛选数据 result_df = df[condition][['Age', 'Score']] # 只保留 Age 和 Score 列 return result_df if not result_df.empty else None # 测试查询功能 result = find_student_info_by_conditions('Alice', 'Bachelor') if result is not None: print("Matched Student Information:") print(result) else: print("No student found matching the given conditions.") ``` --- #### 输入与输出示例 假如输入的 Excel 数据如下所示： | Name | Education | Age | Score | |--------|-----------|-----|-------| | Alice | Bachelor | 22 | 85 | | Bob | Master | 25 | 90 | | Charlie| PhD | 28 | 95 | 执行以上代码后，当尝试查找姓名为 `'Alice'` 且学历为 `'Bachelor'` 的学生时，程序将输出： ```plaintext Matched Student Information: Age Score 0 22 85 ``` --- #### 处理异常情况 1. **无匹配项** 如果没有任何记录符合指定条件，则返回 `None` 并打印提示信息[^3]。 2. **重复匹配项** 若有多条记录符合条件，上述代码会返回所有匹配的结果作为一个 DataFrame 显示[^4]。 --- #### 注意事项 1. **大小写敏感性** 默认情况下，字符串比较是区分大小写的。如果希望忽略大小写差异，可以在条件判断前统一转换为小写字母，例如： ```python condition = (df['Name'].str.lower() == name.lower()) & \ (df['Education'].str.lower() == education.lower()) ``` 2. **缺失值处理** 在实际数据集中可能存在空白单元格或其他特殊字符。建议先清洗数据后再进行匹配操作，比如删除空值行： ```python df.dropna(subset=['Name', 'Education'], inplace=True) ``` --- ### 性能优化后的代码示例（适用于频繁查询） 对于需要反复调用的情况，预先建立索引来加速查询过程： ```python import pandas as pd # 加载数据并设定联合索引 df = pd.read_excel('students.xlsx', sheet_name='Sheet1') df.set_index(['Name', 'Education'], inplace=True) # 查询函数 def fast_find_student_info_by_conditions(name, education): try: return df.loc[(name, education), ['Age', 'Score']] except KeyError: return None # 测试查询 info = fast_find_student_info_by_conditions('Alice', 'Bachelor') if info is not None: print(info) else: print("No match found.") ``` ---