pandas字符串匹配新增列 实现城市与国家映射分类

原代码存在4处核心逻辑错误，导致输出不符合预期：

• 作用域错误：在apply调用的行处理函数中直接修改DataFrame整列，而非操作当前遍历的单行数据，只要任意一行匹配到美国城市，整列US都会被赋值为1
• 循环终止逻辑错误：遍历单个国家的城市列表时，只要第一个城市未匹配就直接return None终止所有循环，既不会检查同国家的其他城市，也不会遍历后续其他国家的映射规则
• 列初始化缺失：没有提前为所有国家代码创建默认值为0的列，最终只生成了最先匹配到的US列，缺失CA、UK列
• 返回值逻辑混乱：函数没有返回当前行对应各个国家的匹配结果，完全依赖全局变量修改，不符合apply方法的使用逻辑

基础易懂版（逐行匹配，逻辑清晰） #

先对映射字典做小写预处理避免重复转换，初始化所有国家列默认值为0，再逐行匹配赋值：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'City': ['I lived Los Angeles', 'I visited London and Toronto','the best one is Toronto', 'business hub is in New York',' Mexico city is stunning']
})

# 国家-城市映射关系
country_map = { 
    'US': ['New York','Los Angeles','San Diego'],
    'CA': ['Montreal','Toronto','Manitoba'],
    'UK': ['London','Liverpool','Manchester']      
}

# 预处理：所有城市名统一转小写，匹配时不区分大小写
country_map_lower = {k: [city.lower() for city in v] for k, v in country_map.items()}

# 初始化所有国家列，默认值0，整数类型
for code in country_map.keys():
    df[code] = 0

# 逐行匹配
for idx, row in df.iterrows():
    text = row['City'].lower()
    for code, cities in country_map_lower.items():
        for city in cities:
            if city in text:
                df.at[idx, code] = 1
                break  # 匹配到当前国家的任意城市即停止遍历该国家剩余城市

高性能版（向量化操作，适合大数据量场景） #

不用逐行循环，用pandas内置字符串匹配方法，运行效率提升10倍以上：

# 统一转小写做匹配
text_series = df['City'].str.lower()
for code, cities in country_map_lower.items():
    # 拼接正则匹配规则，匹配任意一个城市即标记为1
    pattern = '|'.join(cities)
    df[code] = text_series.str.contains(pattern, regex=True).astype(int)

运行后输出结果完全符合预期：

City  US  CA  UK
0           I lived Los Angeles   1   0   0
1  I visited London and Toronto   0   1   1
2       the best one is Toronto   0   1   0
3  business hub is in New York   1   0   0
4       Mexico city is stunning   0   0   0

注意：当前子串匹配规则如果需要避免误匹配（比如避免把"New Yorks"误识别为"New York"），可以给正则加上单词边界\b，把pattern改为'|'.join([rf'\b{city}\b' for city in cities])即可。

内容的提问来源于stack exchange，提问作者MTALY