为何无法使用np.where与str.contains进行类别分配？

错误根源 #

你用df['Description'].str.contains()时，错误地把多个关键词直接当参数传了。str.contains()的第一个参数pat只能接受单个正则表达式字符串，后面的参数是case（布尔值，控制是否区分大小写）、flags这类配置项。你传的第二个关键词被当成了case参数，而字符串和正则标识位做位运算（&）时，就触发了TypeError。

修正后的代码 #

要匹配多个关键词，得用正则的竖线|把它们连起来，表示“或”的逻辑。如果关键词里有空格（比如vending machine），直接保留就行，正则能识别。

import numpy as np
import pandas as pd

# 示例数据（如果已有DataFrame可跳过这部分）
data = {
    'Date': ['8/11/2023', '8/14/2023', '8/14/2023', '8/14/2023', '8/15/2023'],
    'Description': ['vending machine', 'christianacare', 'shakeshack', 'capitalone', 'nordproducts'],
    'Amount': [-2.40, -155.00, -33.56, -317.14, -18.28],
    'Category': ['unassigned']*5
}
df = pd.DataFrame(data)

# 批量分配交易类别
# Bills
df['Category'] = np.where(df['Description'].str.contains('christianacare|capitalone|usaa|zelle'), 'Bills', df['Category'])
# Food
df['Category'] = np.where(df['Description'].str.contains('vending machine|tacobell|shakeshack|univlqr|gridiron|starbucks'), 'Food', df['Category'])
# Shopping
df['Category'] = np.where(df['Description'].str.contains('amazon'), 'Shopping', df['Category'])
# Services
df['Category'] = np.where(df['Description'].str.contains('coursera|empowerme|albert|apple|peacock|nordproducts|patreon'), 'Services', df['Category'])
# Entertainment
df['Category'] = np.where(df['Description'].str.contains('playstation|microsoft'), 'Entertainment', df['Category'])
# Transport
df['Category'] = np.where(df['Description'].str.contains('parkmobile'), 'Transport', df['Category'])

运行结果 #

执行后Category列会被正确填充：

优化小技巧 #

如果关键词列表很长，手动写竖线容易出错，可以用'|'.join(列表)自动生成正则字符串，比如：

bills_keywords = ['christianacare', 'capitalone', 'usaa', 'zelle']
df['Category'] = np.where(df['Description'].str.contains('|'.join(bills_keywords)), 'Bills', df['Category'])

这样更方便维护，也不容易写错。

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