脱敏必须在导出前完成，且不能依赖pandas默认显示逻辑；审计报表要求可追溯、不可逆（如哈希）或可控降级（如掩码），选错方法会导致合规风险。
直接说结论：脱敏必须在导出前完成，且不能依赖 pandas 默认的显示逻辑——它不改数据本身，只影响打印；审计报表要求可追溯、不可逆（如哈希）或可控降级（如掩码），选错方法会导致合规风险。
哪些字段必须脱敏？看审计场景定规则
不是所有列都要处理。常见审计报表中，user_id、phone、email、id_card 属于高敏感字段；create_time 或 amount 通常保留原值。关键在于明确审计方接受的脱敏等级：
- 「不可逆」场景（如对外提供样本）：用
hashlib.sha256+ 盐值哈希phone，但需确保盐值统一且不泄露 - 「可识别但不可还原」场景（如内部审计）：对
email保留前3后2位，中间用*替换，例如"abc***@def.com" - 「聚合可用」场景（如统计分析）：将
id_card转为地区编码 + 年龄段，丢弃出生日期和顺序号
用 apply() 还是 map()？性能差十倍
对单列脱敏，map() 比 apply() 快得多，尤其在百万行以上。因为 map() 底层走的是向量化映射，而 apply() 会触发 Python 函数逐行调用：
df['phone'] = df['phone'].map(lambda x: x[:3] + '****' + x[-4:] if pd.notna(x) else x)
注意三点：
- 必须加
pd.notna(x)判断空值，否则None传入字符串切片会报TypeError: 'NoneType' object is not subscriptable - 不要用
df['phone'].apply(str).str[:3] + '****' + df['phone'].apply(str).str[-4:]—— 这会把NaN变成字符串'nan'，且重复计算两次 - 如果脱敏逻辑复杂（如带盐哈希），先用
numpy.vectorize封装函数再map()，比裸apply()稳定
导出时绕不开的编码和格式陷阱
审计报表常被下游用 Excel 打开，但 to_excel() 默认不处理中文路径和特殊字符，to_csv() 更容易因编码错乱导致身份证号变问号：
- 导出 CSV 一定要指定
encoding='utf-8-sig'，否则 Windows Excel 打开会乱码；utf-8不行，它没 BOM - 导出 Excel 时，若字段含公式字符（如
=、@开头），openpyxl引擎可能误判为公式并报InvalidCharacterError，加参数engine_kwargs={'options': {'strings_to_formulas': False}} - 时间字段用
dt.strftime('%Y-%m-%d %H:%M:%S')固定格式再导出，避免 Excel 自动转成日期序列号
最易被忽略的一点：脱敏后的 DataFrame 如果还参与后续计算（比如按 user_id 去重），哈希值或掩码值已失去业务唯一性，必须确认审计报表是否允许“同一用户多条记录因脱敏产生不同标识”——这往往要和审计方提前对齐口径，而不是写完代码才发现逻辑矛盾。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
