如何用Pandas基于列值匹配外部列表创建geo_region新列？

问题背景 #

现有如下DataFrame：

Unnamed geo_zones_pickups       Delstat             region
4        4  ['52102' '53101']  ['52102' '53101']   [52102, 53101]
5        5        ['52102']        ['52102']           [52102]

以及三个区域编码列表：

north = ['51101', '51105', '51100']
midt = ['52103', '52102', '52104', '52101', '52150']
south = ['53101', '53102', '53106', '53103', '53105', '53104']

需要新增geo_region列，规则为：若region列中的任一元素属于某个区域列表，则将该列表名加入geo_region，多个匹配结果用逗号分隔。期望输出如下：

Unnamed geo_zones_pickups       Delstat             region  geo_region
4        4  ['52102' '53101']  ['52102' '53101']   [52102, 53101]  midt,south
5        5        ['52102']        ['52102']           [52102]         midt

补充信息：geo_zones_pickups、Delstat为object类型（元素以字符串形式存储）；region同样为object类型（元素是字符串列表）。此前尝试交集方法仅能匹配单个区域，需实现多区域同时匹配的逻辑。

解决方案 #

方案1：基于列表匹配（通用场景） #

先将区域列表整理为字典，再逐行检查region中的元素是否属于某个区域，最后拼接匹配的区域名：

import pandas as pd

# 构建区域映射字典
region_mapping = {
    'north': north,
    'midt': midt,
    'south': south
}

# 定义处理单行的函数
def get_matched_regions(region_list):
    matched = []
    for region_name, code_list in region_mapping.items():
        # 检查当前region列表是否有元素在目标区域编码中
        if any(code in code_list for code in region_list):
            matched.append(region_name)
    return ','.join(matched)

# 应用函数生成新列
df['geo_region'] = df['region'].apply(get_matched_regions)

方案2：利用前缀规则（高效优化） #

题目明确给出编码前缀规则：north以511开头，midt以521开头，south以531开头，可直接通过前缀判断，无需遍历全部编码列表，效率更高：

# 构建前缀与区域名的映射
prefix_map = {
    '511': 'north',
    '521': 'midt',
    '531': 'south'
}

def get_regions_by_prefix(region_list):
    matched_regions = set()
    for code in region_list:
        prefix = code[:3]
        if prefix in prefix_map:
            matched_regions.add(prefix_map[prefix])
    # 排序保证结果一致性，再拼接
    return ','.join(sorted(matched_regions))

# 应用函数生成新列
df['geo_region'] = df['region'].apply(get_regions_by_prefix)

验证结果 #

两种方案均可得到符合预期的输出：

Unnamed geo_zones_pickups       Delstat             region  geo_region
4        4  ['52102' '53101']  ['52102' '53101']   [52102, 53101]  midt,south
5        5        ['52102']        ['52102']           [52102]         midt

内容的提问来源于stack exchange，提问作者szuszfol