使用np.select为含多字符串的pandas DataFrame单元格条件赋值

核心原理是np.select会按照传入条件列表的先后顺序从高到低匹配优先级：某一行一旦满足靠前的条件，就会直接取对应的值，不会再执行后续条件判断。你不需要枚举所有字符串组合，只要按规则优先级从高到低排列条件即可，天然适配单元格多字符串的场景，扩展性极强。

你的赋值规则优先级从高到低排序如下：

• 最高优先级：单元格包含Three，直接赋值'3'
• 次优先级：单元格包含One且不包含Three，赋值'1'
• 其余原有规则按优先级顺延即可

注意：因为最高优先级已经把所有包含Three的行提前匹配完成，走到次优先级判断的行天然满足「不包含Three」的要求，不需要额外写链式AND条件做排除。

实现代码 #

原有生成关键词布尔列的逻辑可以完全保留，只需要调整conditions列表的顺序即可：

import pandas as pd
import numpy as np

data = ['One', 'Two', ['One', 'Four'], 'One', ['Three', 'One', 'Four']]
my_df = pd.DataFrame(data, columns=['test'])

# 原有单关键词布尔列生成逻辑
my_df["one"] = my_df["test"].apply(lambda x: 'One' in x)
my_df["two"] = my_df["test"].apply(lambda x: 'Two' in x)
my_df["three"] = my_df["test"].apply(lambda x: 'Three' in x)
my_df["four"] = my_df["test"].apply(lambda x: 'Four' in x)

# 按优先级从高到低排列条件
conditions = [
    my_df["three"],  # 最高优先级：含Three直接赋值3
    my_df["one"],    # 次优先级：不含Three但含One赋值1
    my_df["two"],
    my_df["four"],
]
values = ['3', '1', '2', '4']

my_df['new'] = np.select(conditions, values)
print(my_df)

运行结果 #

执行后输出完全符合预期：

test    one    two  three   four new
0                  One   True  False  False  False   1
1                  Two  False   True  False  False   2
2           [One, Four]   True  False  False   True   1
3                  One   True  False  False  False   1
4  [Three, One, Four]   True  False   True   True   3

扩展优化 #

如果你的关键词数量很多，不需要手写每个关键词的apply判断，可以通过循环批量生成布尔列，后续新增关键词只要加到关键词列表里即可：

# 所有需要识别的关键词统一维护在这里
keywords = ['One', 'Two', 'Three', 'Four']
for kw in keywords:
    my_df[kw.lower()] = my_df["test"].apply(lambda x: kw in x)

后续新增赋值规则时，只要确定新规则的优先级，把对应判断条件插入到conditions列表的对应位置，同时在values列表对应位置加上目标赋值即可，完全不需要考虑单元格内的字符串组合情况。

内容的提问来源于stack exchange，提问作者Beatdown