如何在Pandas中根据城市列的字符串值创建新分组列？

问题描述 #

现有如下结构的DataFrame：

需要基于city列创建名为city_group的新列，分组规则如下：

• dki jakarta、jawa barat → jabo, jabar
• jawa tengah、jawa timur → jateng, jatim
• sulawesi → others

期望得到的结果：

当前尝试的代码仅能匹配单个字符串，需要扩展多匹配条件：

df.loc[df['city'].str.contains("dki jakarta"),'city_group'] = 'jabo, jabar'

解决方案 #

以下是几种可行的实现方式：

方法1：扩展str.contains的多匹配规则 #

利用正则表达式的管道符|分隔多个匹配目标，依次设置分组值，最后填充未匹配项：

import pandas as pd

# 构造原始数据
data = {
    'type': [1,2,3,4,5],
    'city': ['dki jakarta', 'jawa barat', 'jawa tengah', 'jawa timur', 'sulawesi']
}
df = pd.DataFrame(data)

# 匹配第一组城市
df.loc[df['city'].str.contains('dki jakarta|jawa barat'), 'city_group'] = 'jabo, jabar'
# 匹配第二组城市
df.loc[df['city'].str.contains('jawa tengah|jawa timur'), 'city_group'] = 'jateng, jatim'
# 剩余未匹配项设为others
df['city_group'] = df['city_group'].fillna('others')

方法2：使用映射字典（推荐，规则清晰） #

创建城市与分组的映射字典，通过map方法直接赋值，未匹配项用fillna补充：

import pandas as pd

data = {
    'type': [1,2,3,4,5],
    'city': ['dki jakarta', 'jawa barat', 'jawa tengah', 'jawa timur', 'sulawesi']
}
df = pd.DataFrame(data)

# 定义城市-分组映射
city_group_map = {
    'dki jakarta': 'jabo, jabar',
    'jawa barat': 'jabo, jabar',
    'jawa tengah': 'jateng, jatim',
    'jawa timur': 'jateng, jatim',
    'sulawesi': 'others'
}

# 应用映射
df['city_group'] = df['city'].map(city_group_map).fillna('others')

方法3：使用numpy.select处理多条件分支 #

通过条件列表和对应值列表批量设置分组，适合更复杂的多分支场景：

import pandas as pd
import numpy as np

data = {
    'type': [1,2,3,4,5],
    'city': ['dki jakarta', 'jawa barat', 'jawa tengah', 'jawa timur', 'sulawesi']
}
df = pd.DataFrame(data)

# 定义条件和对应值
conditions = [
    df['city'].isin(['dki jakarta', 'jawa barat']),
    df['city'].isin(['jawa tengah', 'jawa timur'])
]
group_values = [
    'jabo, jabar',
    'jateng, jatim'
]

# 应用多条件赋值，默认值为others
df['city_group'] = np.select(conditions, group_values, default='others')

方法对比 #

• 映射字典：代码最直观，维护成本低，适合城市列表固定的场景。
• str.contains：支持模糊匹配（比如城市名有拼写变体时），灵活性更强。
• numpy.select：适合多条件嵌套的复杂分组逻辑，可读性好。

内容的提问来源于stack exchange，提问作者yangyang