Python遍历DataFrame匹配元组列表生成region_code列的问题

现有数据 #

DataFrame df示例： #

name1      name2           region_name
0     Salo       saloo           UPPER SINDAN
1     rnelih     NaN             RIMAN TRIST
2     benini     NaN             Lower Tangi
...  ...         ...             ...
999   kremith    kremithin       MIKLAR
1000  Riro       rirron          LOWER BASTI

数据库获取的元组列表ls示例： #

[(47, 'Upper Sindan', ''),
 (48, 'Riman Tah', 'Riman Trist'),
 (27, 'Timbari', 'Timbarlin'),
 (768, 'MIKLAR', ''),
 (769, 'Dindan', ''),
 (770, 'Shina Hardi',''),
 (...,  '.........','...'),
 (921, 'KIMAN DARIB', 'lower basti')]

需求 #

遍历df，将region_name列的每个值与ls中元组的第2、3个元素做大小写不敏感匹配：

• 匹配成功：将对应元组的第一个数值填入新列region_code
• 匹配失败：填空值
• 若所有行都无匹配：不创建region_code列

失败代码问题分析 #

第一段代码 #

for item in ls:
    if df['region_name'].str.contains(item[1]).any() or df['region_name'].str.contains(item[2]).any():
        df['region_code']=item[0]
    else:
        df['region_code']=""

问题：

• 每次循环都会给整列region_code赋值，最终只会保留最后一个item的判断结果
• str.contains默认大小写敏感，且空字符串''会匹配所有文本，逻辑完全混乱
• 未针对每行单独匹配，而是判断整列是否存在匹配

第二段代码 #

for index, row1 in df.iterrows():
    for item in ls:
        if (row1[2] == item[1]) or (row1[2] == item[2]):
            df["region_code"] = item[0]
        else:
            df["region_code"] = ""

问题：

• 同样每次循环给整列赋值，最后覆盖为最后一个item的结果
• 直接用==做精确匹配，未处理大小写差异，导致大小写不同的内容无法匹配
• 未处理region_name为空的情况（如果存在）

第三段代码 #

for index, row1 in df.iterrows():
    for item in ls:
        if (row1[2].str.lower() == item[1].str.lower()) or (row1[2].str.lower() == item[1].str.lower()):
            df["region_code"] = item [0]
        else:
            df["region_code"] = ""

问题：

• row1[2]是单个字符串（不是pandas Series），不能使用.str.lower()，直接用.lower()即可
• 依然存在整列赋值覆盖的问题

最优实现方案 #

利用pandas矢量化操作+映射字典，避免低效循环，同时解决大小写匹配问题：

# 构建大小写不敏感的映射字典：键为小写的区域名，值为对应的code
region_map = {}
for code, name1, name2 in ls:
    # 仅处理非空的区域名
    if name1.strip():
        region_map[name1.lower()] = code
    if name2.strip():
        region_map[name2.lower()] = code

# 生成region_code列：转小写后匹配字典，空值填充为''
df['region_code'] = df['region_name'].str.lower().map(region_map).fillna('')

# 如果所有行都无匹配，删除该列
if df['region_code'].eq('').all():
    df.drop('region_code', axis=1, inplace=True)

说明 #

• 映射字典提前整理所有可匹配的区域名（转小写），确保大小写不敏感匹配
• 用str.lower()统一转换为小写后匹配，避免大小写差异问题
• 过滤空字符串，防止空值误匹配所有内容
• 最后判断列是否全为空，符合“完全无匹配则不创建列”的需求
• 若存在多个相同的区域名（不同大小写），字典中后加入的会覆盖先加入的，可根据需求调整name1和name2的加入顺序

内容的提问来源于stack exchange，提问作者Hoss