Pandas：根据另一列字符串修改列值的问题求助

我有一个包含两列的DataFrame，一列是产品名称SKU Name，另一列是产品数量Quantity_SKU，数据如下：

部分SKU实际包含多个单位，但Quantity_SKU列仅计数为1。需要实现规则：当SKU Name中出现“24 unds”时，将对应数量改为24；出现“12 unds”时改为12。

尝试用列表推导式实现时出现语法错误，代码如下：

df["units"] = [
24
if (
    (x == "Box chocolate 24 unds")
    or (x == "Box Apples e Bananas 24 unds")
)
 12 (
   if (x == "Box chocolate 12 unds")
    or (x == "Box Apples e Bananas 12 unds")
)
else 800
for x in df["SKU Name"]
]

1. 修正列表推导式语法 #

你的列表推导式存在语法错误，正确的嵌套条件写法如下，同时优化匹配逻辑（直接检查子串，无需逐个枚举SKU）：

df["units"] = [
    24 if "24 unds" in x else
    12 if "12 unds" in x else
    1  # 用原数量1作为默认值
    for x in df["SKU Name"]
]

如果需要保留原Quantity_SKU列的值作为默认，可修改为：

df["units"] = [
    24 if "24 unds" in x else
    12 if "12 unds" in x else
    df["Quantity_SKU"].iloc[i]
    for i, x in enumerate(df["SKU Name"])
]

2. pandas内置方法实现（更高效） #

使用str.contains结合numpy.where，直接对整列操作，更符合pandas风格：

import numpy as np

df["units"] = np.where(
    df["SKU Name"].str.contains("24 unds"),
    24,
    np.where(
        df["SKU Name"].str.contains("12 unds"),
        12,
        df["Quantity_SKU"]
    )
)

3. 扩展性方案（支持任意数字） #

如果未来可能出现其他类似格式的SKU（如"36 unds"），可以用正则提取数字，无需新增条件：

# 提取"数字+unds"中的数字，无匹配则用原数量
df["units"] = df["SKU Name"].str.extract(r'(\d+) unds').fillna(df["Quantity_SKU"]).astype(int)

内容的提问来源于stack exchange，提问作者Júlio Cesar Gomes