pandas定性变量列分类及str.extract多维键报错问题求解

pandas.Series.str.extract() 即使只有1个捕获组，默认返回的是二维DataFrame对象，而loc的行索引要求输入一维布尔序列/数组，用二维结构做行索引就会触发ValueError: Cannot index with multidimensional key报错。

你要实现多分类映射，不需要用str.extract构造映射字典，直接用以下两种方案即可：

方案1：np.select多条件匹配（最适合多分类场景） #

可以灵活调整分类优先级，代码更简洁：

import numpy as np

# 按优先级定义分类匹配规则，顺序越靠前优先级越高
conditions = [
    # 塑料类：匹配含plas关键词的取值，空值默认不匹配
    data['packaging_tags'].str.contains("plas", regex=True, na=False),
    # 硬纸板类：匹配含car/carton/card关键词的取值
    data['packaging_tags'].str.contains("car|carton|card", regex=True, na=False),
    # 金属类：匹配含metal关键词的取值
    data['packaging_tags'].str.contains("metal", regex=True, na=False)
    # 可自行扩展更多分类的匹配规则
]

# 分类标签，和上方条件顺序一一对应
labels = ["plastics", "carton", "metal"]

# 生成分类结果列，未匹配的取值默认归类为other
data['packaging_category'] = np.select(conditions, labels, default='other')

方案2：手动构造映射字典 #

如果你需要明确看到所有唯一值的映射关系，可以用这种方法：

# 获取所有唯一的标签取值
unique_tags = data['packaging_tags'].unique()
tag_map = {}

for tag in unique_tags:
    tag_lower = tag.lower()
    if 'plas' in tag_lower:
        tag_map[tag] = 'plastics'
    elif 'car' in tag_lower or 'card' in tag_lower:
        tag_map[tag] = 'carton'
    elif 'metal' in tag_lower:
        tag_map[tag] = 'metal'
    else:
        tag_map[tag] = 'other'

# 映射到原数据集
data['packaging_category'] = data['packaging_tags'].map(tag_map)

给str.extract加expand=False参数，让返回结果为一维Series，即可避免多维键报错：

# 提取匹配plas关键词的片段，返回一维Series
plas_match = data['packaging_tags'].str.extract("([^,']{0,15}plas[^,']{1,30})", expand=False)
# 筛选非空的匹配结果
plastique = data.loc[plas_match.notna()]

内容的提问来源于stack exchange，提问作者pericaud