如何在pandas DataFrame中基于其他列子串创建新列并解决匹配与告警问题

• 子串匹配错误：原代码any(i in x for i in 'Urea')是遍历'Urea'的单个字符做匹配，只要Substance列值包含U/r/e/a任意一个字符就会触发匹配，而非匹配完整的"Urea"子串，所以会出现大量误判。
• SettingWithCopyWarning告警：你的test对象是从其他DataFrame切片生成的派生对象，pandas无法确认它是原数据的视图还是独立副本，直接赋值存在误改原数据的风险。

推荐使用numpy.select实现规则匹配，扩展性强、运行效率远高于apply，规则调整只需修改条件和结果列表即可：

import pandas as pd
import numpy as np

# 解决告警：如果test是切片生成的，先转为独立副本
test = test.copy()

# 按优先级定义匹配条件，靠前的规则优先匹配
match_conditions = [
    test['Substance'].str.contains('Urea'),
    test['Substance'].str.contains('CAN'),
    test['Substance'].str.contains('DAP')
]
# 条件对应返回的短名称，顺序和上面的条件一一对应
match_results = [
    'Urea',
    'Calcium ammonium nitrate (CAN)',
    'Di-ammonium phosphate (DAP)'
]

# 未匹配到任何规则的默认返回(NPK)
test['Short Name'] = np.select(match_conditions, match_results, default='(NPK)')

如果需要忽略大小写匹配，可在str.contains中添加case=False参数，例如test['Substance'].str.contains('Urea', case=False)。

如果更习惯用apply逻辑，可参考以下写法：

test = test.copy()

def map_short_name(substance):
    if 'Urea' in substance:
        return 'Urea'
    elif 'CAN' in substance:
        return 'Calcium ammonium nitrate (CAN)'
    elif 'DAP' in substance:
        return 'Di-ammonium phosphate (DAP)'
    return '(NPK)'

test['Short Name'] = test['Substance'].apply(map_short_name)

两种方案运行后的结果一致，你提供的示例数据最终输出如下：

内容的提问来源于stack exchange，提问作者switchback