求助：Pandas DataFrame中基于条件生成新列的语法问题

你第二行代码运行失败的核心原因是：raw_data_df['Client Contract Number'].str.contains("_")返回的是布尔值Series（整个列的判断结果），而Python原生的if-else只能处理单个布尔值，没法直接对整个列做批量判断，导致报错。

下面给你几种可行的解决方案：

方案1：用numpy.where实现向量化判断（推荐，效率最高） #

这种方式是Pandas处理批量条件判断的标准做法，适合大数据集：

import numpy as np

# 定义两种情况的取值
has_underscore_val = raw_data_df['Client Contract Number'].str.split('_').str[0]
no_underscore_val = raw_data_df['Client Contract Number'].str.replace('-', '')

# 按条件赋值
raw_data_df['Search Text'] = np.where(
    raw_data_df['Client Contract Number'].str.contains('_'),
    has_underscore_val,
    no_underscore_val
)

方案2：用Series.apply自定义逻辑 #

如果后续需要扩展更复杂的规则，这种方式更直观易懂：

def get_search_text(val):
    if '_' in val:
        return val.split('_')[0]
    else:
        return val.replace('-', '')

raw_data_df['Search Text'] = raw_data_df['Client Contract Number'].apply(get_search_text)

方案3：用正则提取结合fillna #

利用正则表达式直接提取下划线前的内容，没有下划线的行用替换短横线后的值填充：

raw_data_df['Search Text'] = (
    raw_data_df['Client Contract Number']
    .str.extract(r'^([^_]+)', expand=False)  # 提取下划线前的所有字符
    .fillna(raw_data_df['Client Contract Number'].str.replace('-', ''))  # 填充无下划线的情况
)

内容的提问来源于stack exchange，提问作者user2981194