如何在Python中实现类SQL LIKE的DataFrame模糊匹配更新？

直接用pandas的矢量化字符串方法和布尔索引就能解决，不用写低效的循环：

# 构建匹配条件：Genesis以"Incomplete"开头，且日期晚于等于指定周
condition = (open['Genesis'].str.startswith('Incomplete')) & (open['Date'] >= last_date)
# 对符合条件的行，将Result列赋值为对应行的Genesis值
open.loc[condition, 'Result'] = open.loc[condition, 'Genesis']

为什么你的循环代码无法正常运行？ #

• 循环遍历open['Genesis']时，open['Date'] >= last_date是针对整个Date列的布尔数组，和当前遍历的单个word维度不匹配，导致条件判断逻辑错误。
• 就算条件通过，open['Result'] = open['Genesis']会把整个Result列全部覆盖成Genesis列的值，而不是只修改符合条件的行，完全不符合需求。

pandas的矢量化操作天生就是用来处理整列/整行的批量逻辑，比手动循环效率高几十倍，还能避免行索引错位的问题。

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