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：

import pandas as pd

df = pd.read_excel("data.xlsx")

df["取值"] = df["取值"].astype(str)

result = []

for i in range(len(df)):

    value = df.loc[i, "取值"]

# 有效值
if value notin ["↑", "↓"]:
        result.append(value)
continue

# 向上查找
if value == "↑":

        j = i - 1

while j >= 0:

            tmp = str(df.loc[j, "取值"])

if tmp notin ["↑", "↓"]:

                result.append(tmp)
break

            j -= 1

# 向下查找
elif value == "↓":

        j = i + 1

while j < len(df):

            tmp = str(df.loc[j, "取值"])

if tmp notin ["↑", "↓"]:

                result.append(tmp)
break

            j += 1

df["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。

为了能随时获取最新动态，大家可以动动小手将公众号添加到“星标⭐”哦，点赞 + 关注，用时不迷路！！！！

关注公众号：IT小本本 👇