如何遍历Pandas DataFrame按条件从group_email生成group_code

你的原代码无法逐行处理的核心原因是：group_member_df['group_email'].str.startswith("gcp")返回的是布尔值Series（每行对应一个True/False），直接和is True比较会把整个Series转换成单个布尔值（判断所有元素是否全为True），导致逻辑只执行一次，无法覆盖逐行的分支判断。

下面提供几种高效的修正方案：

方案1：向量化判断（推荐，大数据量友好） #

利用numpy.where实现嵌套条件赋值，结合Pandas的字符串方法完成批量提取，效率远高于逐行循环：

import numpy as np
import pandas as pd

# 预先提取两种规则下的结果（expand=False返回Series，避免生成DataFrame）
gcp_result = group_member_df['group_email'].str.extract(r'(?:prod-)(.*)-', expand=False)
irm_result = group_member_df['group_email'].str.extract(r'^(?:[^-]*\-){6}([^.]*)', expand=False)

# 按条件逐行赋值
group_member_df['group_code'] = np.where(
    group_member_df['group_email'].str.startswith('gcp'),
    gcp_result,
    np.where(
        group_member_df['group_email'].str.startswith('irm'),
        irm_result,
        'null'
    )
)

# 处理正则匹配失败导致的NaN值，统一替换为'null'
group_member_df['group_code'] = group_member_df['group_code'].fillna('null')

方案2：逐行apply处理（小数据量直观） #

如果数据量不大，用apply定义单行处理逻辑更易理解：

def parse_group_code(email):
    email_str = str(email)
    if email_str.startswith('gcp'):
        match = pd.Series(email_str).str.extract(r'(?:prod-)(.*)-', expand=False)[0]
        return match if pd.notna(match) else 'null'
    elif email_str.startswith('irm'):
        match = pd.Series(email_str).str.extract(r'^(?:[^-]*\-){6}([^.]*)', expand=False)[0]
        return match if pd.notna(match) else 'null'
    else:
        return 'null'

group_member_df['group_code'] = group_member_df['group_email'].apply(parse_group_code)

方案3：布尔掩码分步赋值 #

通过布尔掩码定位不同条件的行，分步完成赋值，逻辑清晰：

# 初始化所有行为'null'
group_member_df['group_code'] = 'null'

# 处理gcp开头的行
mask_gcp = group_member_df['group_email'].str.startswith('gcp')
group_member_df.loc[mask_gcp, 'group_code'] = group_member_df.loc[mask_gcp, 'group_email'].str.extract(r'(?:prod-)(.*)-', expand=False)

# 处理irm开头的行
mask_irm = group_member_df['group_email'].str.startswith('irm')
group_member_df.loc[mask_irm, 'group_code'] = group_member_df.loc[mask_irm, 'group_email'].str.extract(r'^(?:[^-]*\-){6}([^.]*)', expand=False)

# 替换匹配失败的NaN值
group_member_df['group_code'] = group_member_df['group_code'].fillna('null')

针对你提供的示例数据，所有group_email均以gcp开头，正则(?:prod-)(.*)-会从gcp-edp-platform-dgov-prod-aadrpt-allsensitive.groups@ironmountain.com中提取出aadrpt，最终所有行的group_code都会被设置为aadrpt。

内容的提问来源于stack exchange，提问作者unnest_me