如何在Pandas DataFrame中实现多优先级子串匹配打标签？

针对你遇到的大小写不敏感匹配和重复赋值覆盖结果的问题，可以通过以下两种方式实现与SQL CASE WHEN逻辑完全一致的标签标记：

方法一：按优先级逐步更新标签 #

先将所有行的标签初始化为默认值Other，再按匹配优先级依次更新符合条件的行，避免覆盖已匹配的结果：

import pandas as pd

# 示例DataFrame
data = {
    'Skill': [
        'Junior AI, Google & MS Cloud Platform',
        'Senior AI, Google & MS Cloud Platform',
        'Project Management',
        'Any Programme Management',
        'Financial Management',
        'Engineer',
        'Full Stack Engineer'
    ]
}
df = pd.DataFrame(data)

# 1. 初始化标签为默认值
df["Skill Type"] = "Other"

# 2. 按优先级匹配并更新标签（case=False实现大小写不敏感）
# 匹配包含AI且后续有Cloud的内容
mask_ai_cloud = df['Skill'].str.contains(r'AI.*Cloud', regex=True, case=False)
df.loc[mask_ai_cloud, "Skill Type"] = "Data Member"

# 匹配包含PRO且后续有MANAGE的内容（覆盖Project/Programme场景）
mask_pro_manage = df['Skill'].str.contains(r'PRO.*MANAGE', regex=True, case=False)
df.loc[mask_pro_manage, "Skill Type"] = "Project Manager"

# 匹配包含FINANC的内容
mask_financ = df['Skill'].str.contains(r'FINANC', regex=True, case=False)
df.loc[mask_financ, "Skill Type"] = "Finance Member"

方法二：使用numpy.select实现简洁的多条件判断 #

利用numpy.select可以将多个条件与对应标签一一对应，逻辑与SQL CASE WHEN完全对齐，代码更紧凑：

import pandas as pd
import numpy as np

# 示例DataFrame
data = {
    'Skill': [
        'Junior AI, Google & MS Cloud Platform',
        'Senior AI, Google & MS Cloud Platform',
        'Project Management',
        'Any Programme Management',
        'Financial Management',
        'Engineer',
        'Full Stack Engineer'
    ]
}
df = pd.DataFrame(data)

# 定义匹配条件（按优先级排序）
conditions = [
    df['Skill'].str.contains(r'AI.*Cloud', regex=True, case=False),
    df['Skill'].str.contains(r'PRO.*MANAGE', regex=True, case=False),
    df['Skill'].str.contains(r'FINANC', regex=True, case=False)
]

# 对应条件的标签
choices = [
    'Data Member',
    'Project Manager',
    'Finance Member'
]

# 生成标签列，未匹配任何条件则用默认值Other
df['Skill Type'] = np.select(conditions, choices, default='Other')

关键优化点说明 #

1. 大小写不敏感处理：通过str.contains的case=False参数实现，无需手动转换字符串大小写，简化代码。
2. 避免结果覆盖：两种方法均按优先级判断匹配，只有未被更高优先级条件匹配的行，才会被后续条件或默认值覆盖，完全复现SQL CASE WHEN的顺序匹配逻辑。

最终输出结果 #

执行上述代码后，DataFrame的Skill Type列结果如下：

内容的提问来源于stack exchange，提问作者Rakesh