如何使用正则为pandas DataFrame创建条件列并修复np.select报错

• np.select参数格式不符合要求：该函数要求传入的第一个参数是布尔序列/布尔数组组成的列表，第二个参数是和条件列表长度相等的返回值列表，你传入的是loc筛选出来的子DataFrame，第二个参数是单个字符串，二者长度完全不匹配，直接触发长度校验报错。
• 原有判断逻辑存在缺陷：一是连续写9个str.contains不仅冗余，还可能误匹配字符串其他位置出现的01-09字符；二是标签映射写反，规则要求01-09开头标记为tumor，你原有代码把non-tumor作为匹配后的标签、tumor作为默认值，结果会完全颠倒。
• 你提供的示例构造代码把样本ID设为了列名，和需求里样本ID作为行索引的结构不符，需要先转置。

用正则精准匹配索引最后一段的开头，避免误判，单条件判断用np.where更简洁，代码如下：

import pandas as pd
import numpy as np

# 构造并修正示例数据结构
meth_450 = pd.DataFrame(
    {'TCGA-06-0125-02A':[0.1, 0.2, 0.3], 
     'TCGA-06-0125-12A':[0.4, 0.5, 0.6], 
     'TCGA-06-0125-04A':[0.7, 0.8, 0.9]}
).T
meth_450.columns = ['cg001', 'cg002', 'cg003']

# 正则`-0[1-9]`精准匹配横杠后接01-09的片段，对应索引最后一段以01-09开头的规则
is_tumor = meth_450.index.str.contains(r'-0[1-9]', regex=True)
meth_450['type'] = np.where(is_tumor, 'tumor', 'non-tumor')

如果要坚持使用np.select，需要严格按照参数要求传等长的条件列表和返回值列表：

meth_450['type'] = np.select(
    condlist=[is_tumor],
    choicelist=['tumor'],
    default='non-tumor'
)

执行后输出完全符合预期：

内容的提问来源于stack exchange，提问作者melolilili