DataFrame列字符串匹配报错：'str'对象无'str'属性排查问询

问题场景 #

我在处理DataFrame时写了个函数，想检查Campaign列每行是否包含“Bathroom”相关字符串（比如'Bathrooms'、'Bathrooms - Des Moines'这类），如果包含就在新列Product里填“Bathroom”。但运行代码时触发了属性错误：'str' object has no attribute 'str'，代码如下：

def product(x):
   bathroom = x['Campaign'].str.contains('Bathroom')
   if bathroom == True:
      return 'Bathroom'

df['Product'] = df.apply(product, axis = 1)

错误原因 #

当你用df.apply(..., axis=1)的时候，传给product函数的x是DataFrame的单行数据（Series对象），而x['Campaign']取到的是这一行里Campaign列的单个字符串值，不是Series。.str是pandas给Series/列批量处理字符串的专属属性，单个Python字符串本身没有这个属性，所以直接报错。

解决方案 #

方案1：改用Python字符串原生判断 #

把.str.contains换成Python原生的字符串包含判断即可：

def product(x):
    if 'Bathroom' in x['Campaign']:
        return 'Bathroom'

df['Product'] = df.apply(product, axis=1)

方案2：用pandas向量化操作（更高效） #

如果数据量较大，apply的循环效率很低，直接对整个Campaign列用.str.contains做批量判断，再赋值：

# 方法一：用map映射
df['Product'] = df['Campaign'].str.contains('Bathroom').map({True: 'Bathroom', False: None})

# 方法二：用numpy.where更直观
import numpy as np
df['Product'] = np.where(df['Campaign'].str.contains('Bathroom'), 'Bathroom', None)

补充提示 #

• 方案1适合需要在函数里添加更多复杂分支逻辑的场景；
• 方案2是pandas原生的向量化操作，比apply快数倍到数十倍，数据量大时优先选这个。

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