如何在Python Pandas中实现类似SQL WHERE LIKE的结尾匹配并新增列

需求说明 #

给Pandas DataFrame新增一列，判断规则如下：

• 当SKU以-RF结尾时，新列填入"USED"
• 当SKU以-NEW结尾时，新列填入"NEW"
• 其余情况不做处理（保持空值）

对应SQL LIKE的Python实现 #

SQL里的WHERE LIKE '%-RF'是匹配以指定字符串结尾的内容，在Python字符串中，直接用endswith()方法就能实现相同效果，不需要额外通配符语法。

完善你的循环代码片段 #

你提供的代码里，需要把占位符替换成sku_column.endswith('-RF')和sku_column.endswith('-NEW')——这里用判断语句而非相等判断，因为我们要检查的是字符串结尾，不是完全匹配。完善后的代码如下：

if sku_column.endswith('-RF'):
    val = "USED"
elif sku_column.endswith('-NEW'):
    val = "NEW"
else:
    continue

如果要放到完整的循环逻辑里处理DataFrame，参考下面的写法：

# 初始化新列
df['condition'] = None

# 遍历SKU列赋值
for idx, sku in df['SKU'].items():
    if sku.endswith('-RF'):
        df.loc[idx, 'condition'] = "USED"
    elif sku.endswith('-NEW'):
        df.loc[idx, 'condition'] = "NEW"
    # 其他情况不处理，保持空值

更高效的矢量化写法（推荐） #

Pandas里循环效率较低，数据量大时更推荐用矢量化操作，比如结合numpy.where或者字符串方法批量处理：

方法一：嵌套np.where实现多条件判断

import numpy as np

df['condition'] = np.where(
    df['SKU'].str.endswith('-RF'), 
    'USED',
    np.where(
        df['SKU'].str.endswith('-NEW'), 
        'NEW', 
        None
    )
)

方法二：正则替换+过滤

# 先替换匹配的后缀为对应值
df['condition'] = df['SKU'].str.replace(r'.*-RF$', 'USED', regex=True)
df['condition'] = df['condition'].str.replace(r'.*-NEW$', 'NEW', regex=True)

# 把未匹配的项转为空值
df['condition'] = df['condition'].where(df['condition'].isin(['USED', 'NEW']), None)

内容的提问来源于stack exchange，提问作者ijoubert21