如何结合if语句与str.contains()创建DataFrame新列并解决属性错误

错误原因 #

你用df.apply(f, axis=1)时，传入函数f的row是DataFrame的单行数据（Series对象），但row['ContentTitle']是单个字符串值，不是pandas的Series。而.str.contains()是pandas Series专属的方法，字符串本身没有这个属性，所以触发报错。

解决方案 #

方案1：修改自定义函数，直接用字符串原生判断

直接用Python字符串的in运算符或find()方法来判断关键词是否存在，替代.str.contains()：

def f(row):
    # 判断ContentTitle是否包含目标字符串
    if 'Mama Ntilie' in row['ContentTitle']:
        return 'Mama Ntilie系列'
    # 可添加其他条件
    elif '其他关键词' in row['ContentTitle']:
        return '其他系列'
    else:
        return '未分类'

# 应用函数生成新列
df['标签列'] = df.apply(f, axis=1)

方案2：使用pandas向量化操作（推荐，效率更高）

放弃apply逐行遍历，直接对整个ContentTitle列使用.str.contains()做批量判断，结合np.where或df.loc快速生成标签：

import numpy as np

# 单条件判断
df['标签列'] = np.where(
    df['ContentTitle'].str.contains('Mama Ntilie', na=False),  # na=False处理空值
    'Mama Ntilie系列',
    '未分类'
)

# 多条件嵌套判断
df['标签列'] = np.where(
    df['ContentTitle'].str.contains('Mama Ntilie', na=False),
    'Mama Ntilie系列',
    np.where(
        df['ContentTitle'].str.contains('关键词2', na=False),
        '系列2',
        '未分类'
    )
)

# 或者用df.loc分步赋值（更直观）
df['标签列'] = '未分类'
df.loc[df['ContentTitle'].str.contains('Mama Ntilie', na=False), '标签列'] = 'Mama Ntilie系列'
df.loc[df['ContentTitle'].str.contains('关键词2', na=False), '标签列'] = '系列2'

注意点 #

• 使用.str.contains()时，建议加上na=False参数，避免因空值引发报错；
• 向量化操作比apply逐行遍历效率高得多，数据量越大优势越明显。

内容的提问来源于stack exchange，提问作者Mwai.John