如何判断DataFrame地址是否包含对应区域的城市字符串（循环实现失败）

问题背景 #

现有两个Pandas DataFrame：cities 存储区域与对应城市的映射，addresses 存储区域与地址信息。需要给 addresses 新增一列 check，规则为：

• 当该行的 region 与 cities 中的 region 匹配，且 address 字符串包含该区域对应的任意一个 city 字符串时，标记为 True
• 否则标记为 False

原DataFrame定义：

import pandas as pd

cities = pd.DataFrame({'region': {0: 'region_1', 1: 'region_1', 2: 'region_2'},
                      'city': {0: 'city_1', 1: 'city_2', 2: 'city_3'}},
                      columns=['city', 'region'])

addresses = pd.DataFrame({'region': {0: 'region_1', 1: 'region_2', 2: 'region_1'},
                       'address': {0: 'adress_1', 1: 'adress_2', 2: 'adress_3'}},
                       columns=['region', 'address'])

原代码错误分析 #

你提供的代码存在以下关键问题：

• 分组时引用了不存在的列 ['name']，实际应该用 ['city']
• reset_index 参数使用错误，无法正确重命名列
• 循环逻辑错误：遍历字符串列表 ['region', 'address'] 并试图给字符串添加字典键，不符合语法规则
• 直接用 & 连接 str.findall 的列表结果，无法实现逻辑与判断，且未关联对应区域的城市，而是匹配所有城市

正确实现方案 #

方案1：构建区域-城市映射后逐行匹配 #

适合中小数据量，逻辑直观：

import pandas as pd

# 构建区域到对应城市列表的字典
region_cities = cities.groupby('region')['city'].agg(list).to_dict()

# 定义匹配函数
def check_address(row):
    # 获取当前行区域对应的城市列表
    city_list = region_cities.get(row['region'], [])
    # 检查地址是否包含任意一个对应城市
    return any(city in row['address'] for city in city_list)

# 新增check列
addresses['check'] = addresses.apply(check_address, axis=1)

方案2：合并+分组匹配（大数据量更高效） #

避免逐行遍历，利用Pandas向量操作优化效率：

import pandas as pd

# 按region合并两个DataFrame，得到每行地址对应的所有同区域城市
merged = addresses.merge(cities, on='region', how='left')

# 检查每个地址是否包含对应城市，再按原地址行分组取任意匹配结果
merged['match'] = merged['address'].str.contains(merged['city'])
addresses['check'] = merged.groupby(addresses.index)['match'].any()

测试示例 #

若修改addresses的地址为包含对应城市的内容：

addresses.loc[0, 'address'] = 'city_1_street'
addresses.loc[1, 'address'] = 'city_3_road'

运行代码后，addresses['check']会返回[True, True, False]，符合预期规则。

内容的提问来源于stack exchange，提问作者ElenaU