Python实战：Excel箭头取值算法，一次解决上下查找匹配问题

大家好，我是IT小本本，今天给大家案例一个在实际工作中，经常会遇到一种特殊的数据表：

例如下面这张Excel：

很多人第一眼看到都会疑惑：

这些箭头到底是什么意思？

其实它代表一种特殊的数据映射规则：

• ↑：向上寻找最近的有效值
• ↓：向下寻找最近的有效值
• 数字或文本：当前行的实际结果

这类数据在：

• 质量检测报告
• 设备编码映射
• 医疗数据分析
• ERP系统导出数据
• 生产工艺参数表

中十分常见。

今天我就使用 Python 自动完成这种取值逻辑。

一、业务规则分析

以部分数据为例：

A1 与 M 的取值均为 ↓。

规则：

向下寻找最近的非箭头值。

因此：

A1 → 15 M → 15 H → 15

再看：

对于 E：

向上查找最近有效值：

P → 20

因此：

E → 20

同理：

N → 20 T → 20 K → 20

二、算法思路

整体逻辑如下：

读取当前单元格 ├─ 是数字 │ 直接返回 │ ├─ 是文本 │ 直接返回 │ ├─ 是 ↑ │ 向上查找最近有效值 │ └─ 是 ↓ 向下查找最近有效值

流程图如下：

开始 ↓ 读取当前行 ↓ 是否 ↑ ? ├─ 是 → 向上搜索 │ └─ 否 是否 ↓ ? ├─ 是 → 向下搜索 │ └─ 否 直接返回当前值 ↓ 结束

三、Python实现全部源代码：

importpandasaspd df=pd.read_excel("data.xlsx")df["取值"]=df["取值"].astype(str)result=[]foriinrange(len(df)):value=df.loc[i,"取值"]# 有效值ifvaluenotin["↑","↓"]:result.append(value)continue# 向上查找ifvalue=="↑":j=i-1whilej>=0:tmp=str(df.loc[j,"取值"])iftmpnotin["↑","↓"]:result.append(tmp)breakj-=1# 向下查找elifvalue=="↓":j=i+1whilej<len(df):tmp=str(df.loc[j,"取值"])iftmpnotin["↑","↓"]:result.append(tmp)breakj+=1df["结果"]=result df.to_excel("结果.xlsx",index=False)print(df)

四、运行结果

原始数据：

生成结果：

五、性能测试

测试环境：

Python 3.12 Pandas 2.x

数据规模：

完全满足生产环境需求。

六、实际应用场景

这种箭头映射算法非常适用于：

1. 质量检测数据

A批次 ↓ B批次 ↓ 标准值 15

自动继承标准值。

2. 设备参数配置

设备A ↑ 设备B ↑ 设备C 20

自动引用最近配置。

3. 医疗数据

患者A ↓ 患者B ↓ 参考值 7

自动填充参考指标。

4. ERP导出报表

很多ERP系统为了减少重复录入：

↑ ↑ ↓

表示继承上下级数据。

Python可以自动完成解析。