如何在if语句中使用dataframe.str.contains判断特定字符？

原代码的核心问题是：df['ColumnA'].str.contains('-')返回的是布尔类型的Series（每个元素对应一行的判断结果），而非单个布尔值，直接用is True做整体判断会导致逻辑完全错误——因为整个Series永远不可能等于单个True，最终会全部执行else分支或者触发错误。

以下是三种正确的实现方式：

方法1：使用numpy.where（推荐，向量化高效） #

先统一转换列的数值类型，再通过numpy.where实现逐行条件判断：

import numpy as np

# 提前转换数据类型，避免重复计算
df['ColumnB'] = df['ColumnB'].astype(float)
df['ColumnC'] = df['ColumnC'].astype(float)

# 按条件赋值Price列
df['Price'] = np.where(
    df['ColumnA'].str.contains('-'),
    df['ColumnB'] + df['ColumnC'] / 32,
    df['ColumnB'] / 32
)

方法2：使用df.loc条件索引 #

分两步赋值，先初始化默认值，再更新符合条件的行：

# 转换数据类型
df['ColumnB'] = df['ColumnB'].astype(float)
df['ColumnC'] = df['ColumnC'].astype(float)

# 先设置不包含'-'时的默认值
df['Price'] = df['ColumnB'] / 32
# 生成判断掩码，更新包含'-'的行
mask = df['ColumnA'].str.contains('-')
df.loc[mask, 'Price'] = df.loc[mask, 'ColumnB'] + df.loc[mask, 'ColumnC'] / 32

方法3：使用apply逐行处理（适合复杂逻辑，效率较低） #

通过自定义函数逐行判断计算，适合逻辑更复杂的场景：

def compute_price(row):
    col_b = float(row['ColumnB'])
    col_c = float(row['ColumnC'])
    if '-' in row['ColumnA']:
        return col_b + col_c / 32
    else:
        return col_b / 32

df['Price'] = df.apply(compute_price, axis=1)

内容的提问来源于stack exchange，提问作者Yuuuu