Pandas DataFrame：根据Food列匹配Bowl列生成均值新列的问题

给定如下DataFrame：

import pandas as pd

df = {'Food': ['Apple', 'orange','kiwi'], 
      'Bowl': ['Apple, orange, kiwi','Apple, orange, banana','Orange, apple, banana'],
      'Price' : [4,8,8]}
df = pd.DataFrame(df)

需要创建new列，规则为：

• 以Food列的每个值为关键词，在Bowl列中搜索（不区分大小写）
• 若找到匹配行，取这些行的Price均值填入new列
• 若无匹配，返回NaN

预期结果中new列值为[6.67, 6.67, 4]。

原代码的问题 #

你当前的循环代码存在两个核心问题：

1. 每次循环计算的new变量仅存储当前食物的均值，没有赋值到DataFrame的对应行，最终只会保留最后一次循环的结果
2. 使用statistics.mean不如pandas内置的Series.mean()友好，后者会自动处理无匹配项的情况（返回NaN）

解决方案 #

推荐使用pandas的apply函数实现向量化操作，代码简洁且效率更高：

import pandas as pd

df = {'Food': ['Apple', 'orange','kiwi'], 
      'Bowl': ['Apple, orange, kiwi','Apple, orange, banana','Orange, apple, banana'],
      'Price' : [4,8,8]}
df = pd.DataFrame(df)

def calculate_mean_price(food):
    # 生成匹配掩码：Bowl列包含当前食物（不区分大小写）
    match_mask = df['Bowl'].str.contains(food, case=False, na=False)
    # 返回匹配行的Price均值，无匹配则返回NaN
    return df.loc[match_mask, 'Price'].mean()

# 为每个Food值计算对应均值，生成new列
df['new'] = df['Food'].apply(calculate_mean_price)
# 保留两位小数（可选，根据需求调整）
df['new'] = df['new'].round(2)

print(df)

执行后输出：

Food                      Bowl  Price   new
0   Apple    Apple, orange, kiwi      4  6.67
1  orange  Apple, orange, banana      8  6.67
2    kiwi  Orange, apple, banana      8  4.00

大数据量优化方案 #

如果你的数据集行数较多（比如超过10万行），apply的效率可能不足，可以通过拆分Bowl列并构建交叉表来优化：

# 拆分Bowl列的食物，生成每行对应多个食物的行
bowl_exploded = df.assign(Food_in_Bowl=df['Bowl'].str.split(', ')).explode('Food_in_Bowl')
# 统一大小写，避免匹配误差
bowl_exploded['Food_in_Bowl'] = bowl_exploded['Food_in_Bowl'].str.lower()
df['Food_lower'] = df['Food'].str.lower()

# 计算每个食物的Price均值
food_price_mean = bowl_exploded.groupby('Food_in_Bowl')['Price'].mean().round(2)

# 映射到原DataFrame
df['new'] = df['Food_lower'].map(food_price_mean)
# 清理临时列
df.drop('Food_lower', axis=1, inplace=True)

这种方法通过一次拆分和分组计算，避免了逐行循环，效率提升明显。

内容的提问来源于stack exchange，提问作者wtialyll