Pandas如何基于Name列关键词批量为Brand列匹配赋值对应品牌

不需要逐行写完整产品名做等值匹配，只需要维护「品牌-对应专属关键词列表」的映射规则，就可以一次性完成全表品牌列赋值，后续新增品牌、关键词只需要更新映射字典即可，不用重复写匹配逻辑。

核心实现代码 #

import pandas as pd

# 1. 在这里维护所有品牌和对应的产品关键词，后续新增规则直接追加即可
brand_keyword_map = {
    "Yeti": ["Rambler"],
    "Pelican": ["Pelican"],
    # 示例：其他品牌按相同格式添加，一个品牌可以绑定多个关键词
    # "Hydro Flask": ["Hydro Flask", "Wide Mouth", "Standard Mouth"]
}

# 初始化Brand空列
df["Brand"] = ""

# 2. 遍历规则批量匹配赋值
for brand, keywords in brand_keyword_map.items():
    # 拼接当前品牌所有关键词为正则匹配模式，默认不区分大小写
    match_pattern = "|".join(keywords)
    # Name列包含任意一个对应关键词，就给该行Brand列赋值对应品牌名
    df.loc[df["Name"].str.contains(match_pattern, case=False, na=False), "Brand"] = brand

使用提示 #

• 关键词尽量选择品牌独有的产品标识，避免不同品牌的关键词重叠导致匹配错误
• 如果存在同一条产品名命中多个品牌关键词的情况，把优先级更高的品牌规则放在映射字典的靠前位置即可
• 匹配完成后可以执行df[df["Brand"] == ""]筛选出所有未匹配到品牌的行，针对这部分补充关键词规则即可，不用逐行手动赋值
• 如果需要严格区分关键词大小写，把str.contains里的case=False改成case=True就行

内容的提问来源于stack exchange，提问作者jchase1862