Python pandas 检查文本列是否含指定多字符串 生成对应取值的新列

正确实现代码 #

使用str.contains()方法配合正则的或逻辑，结合np.where逐行判断生成目标列：

import numpy as np

# 待匹配关键词列表
match_keys = ['LOB','LIFE','SHRINKER']
# 拼接为正则匹配模式，| 代表匹配任意一个关键词
match_pattern = '|'.join(match_keys)

# 生成新列，满足条件赋值999，否则赋值0
df['rule1'] = np.where(
    df['textcolumn'].str.contains(match_pattern, case=True, na=False),
    999,
    0
)

参数说明 #

• case=True：匹配时区分大小写，如果你需要忽略大小写可修改为case=False
• na=False：若文本列存在空值，空值默认按「不匹配」处理，避免返回NaN导致赋值异常

若你的匹配关键词包含.、*、?这类正则特殊字符，拼接pattern时需要对关键词做转义处理，写法为：

import re
match_pattern = '|'.join(re.escape(key) for key in match_keys)

原写法错误原因 #

你之前的代码使用any()是对整个文本列做全局判断，只会返回一个全局的True/False，最终整列要么全是999要么全是0，无法实现逐行判断的效果。

替代写法（无需引入numpy） #

如果你不想额外引入numpy依赖，也可以用pandas自带的mask方法实现：

match_keys = ['LOB','LIFE','SHRINKER']
match_pattern = '|'.join(match_keys)

df['rule1'] = 0
df['rule1'] = df['rule1'].mask(df['textcolumn'].str.contains(match_pattern, case=True, na=False), 999)

内容的提问来源于stack exchange，提问作者Daniel Thomas