如何基于列值开头条件在DataFrame中创建自定义列？

首先先确认你的DataFrame结构（按你提供的内容整理成表格）：

（注：看起来你提供的列名可能有点错位——问题里提到要判断Error列的开头，但表格里的Error列是数字，实际错误描述在Department Name列？如果是这样的话，把代码里的df['Error']换成df['Department Name']就行，核心逻辑不变）

回到问题本身，最优的解决方式是用Pandas矢量化字符串操作，相比逐行遍历的方法，这种方式在处理大数据集时效率高得多，也是Pandas官方推荐的做法：

方法1：str.startswith + np.where（最推荐） #

这种写法直观且高效，适合你的两种判断场景：

import pandas as pd
import numpy as np

# 假设你的DataFrame名为df，注意：如果错误文本在其他列，替换成对应的列名，比如df['Department Name']
df['Error Type'] = np.where(
    # 第一个条件：Error列以"The identifier"开头，case=False可选，用来忽略大小写
    df['Error'].str.startswith('The identifier', case=False),
    'Duplicated',
    # 嵌套第二个条件：如果不符合第一个，判断是否以"The data"开头
    np.where(
        df['Error'].str.startswith('The data', case=False),
        'Transaction',
        np.nan  # 不符合两种情况的默认值，可改成'Other'之类的自定义值
    )
)

方法2：自定义映射函数（适合扩展更多错误类型） #

如果之后可能需要新增更多错误类型的判断，你可以先写一个简单的映射函数，再用map或者apply处理：

def determine_error_type(error_msg):
    if error_msg.startswith('The identifier'):
        return 'Duplicated'
    elif error_msg.startswith('The data'):
        return 'Transaction'
    else:
        return np.nan  # 默认值

df['Error Type'] = df['Error'].map(determine_error_type)

不过要注意，map本质是逐行处理数据，当你的DataFrame行数很多（比如十万+）时，效率会比第一种矢量化方法低不少，所以优先选第一种。

小提示 #

• 如果需要忽略大小写判断（比如有些行的错误文本是小写开头），记得给str.startswith加上case=False参数。
• 对于不满足两种条件的行，默认用np.nan标记，你可以根据实际需求改成其他值，比如'Uncategorized'。

内容的提问来源于stack exchange，提问作者Paulo Cortez