Pandas按字符串包含子串条件为DataFrame新增条件列

你的代码存在两个核心错误，导致结果不符合预期：

• 判断逻辑维度错误：xxx in df[col].values是判断整个列中是否存在某个单元格完全等于目标字符串，不是判断每个单元格的内容是否包含目标子串，且返回的是单个全局布尔值，无法实现逐行判断。
• 赋值逻辑错误：用原生if/elif/else分支给列赋值时，只会进入其中一个分支，给整列所有行赋同一个固定值，不可能实现不同行返回不同结果的效果。

使用pandas内置的字符串向量化方法逐行匹配，执行效率远高于逐行循环，逻辑清晰可维护：

# 定义两个判定条件
# 条件1：Type列包含'SUP - SDM'，且Info列包含'Suppression total'
cond_1 = df["Type"].str.contains("SUP - SDM", na=False) & df["Info"].str.contains("Suppression total", na=False)
# 条件2：Type列包含'Franc SUP - Geisi'，且Info列包含'Suppression partiel'
cond_2 = df["Type"].str.contains("Franc SUP - Geisi", na=False) & df["Info"].str.contains("Suppression partiel", na=False)

# 先给所有行默认赋值Fail，再把满足任意一个条件的行改为Correct
df["check"] = "Fail"
df.loc[cond_1 | cond_2, "check"] = "Correct"

代码中na=False参数用于处理列中存在空值的情况，避免空值导致判定结果异常。

你提供的样例数据中第一行Info字段值为Suppression totale（法语拼写，末尾多了字母e），如果你的真实数据确实是这个拼写，需要把条件1里的Suppression total修改为Suppression totale，否则第一行会被判定为Fail。
运行修正匹配字符后的代码，即可得到预期结果：第一行、第四行check值为Correct，其余行为Fail。

小提示：如果需要做更灵活的字符串匹配，也可以在str.contains()中传入正则表达式实现复杂规则判定。

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