Python从DataFrame的Occupation列提取地产类值生成新DataFrame问题

问题原因与解决方法 #

你当前代码返回空DataFrame最常见的原因是Occupation列的目标字符串前后存在未清理的空白字符，或存在你没注意到的隐藏字符，用精确匹配自然无法命中。可以用以下两种方案解决： #

方案1：清理空白后精确匹配（仅匹配你指定的3种职业，不会误命中其他包含realestate的条目）

用str.strip()先去除字符串前后的所有空白，再用isin简化多条件匹配，比你原写法的多|判断更易维护：

target_occu = ['RealEstate', 'REALESTATE', 'RealEstateDeveloper']
# str.strip() 去除前后空白，过滤空值避免报错
dfRealEstate = df[df.Occupation.str.strip().isin(target_occu) & df.Occupation.notna()]

方案2：模糊匹配（所有包含realestate的条目都命中，容错性更高）

如果不需要严格匹配指定的3种写法，只要内容包含realestate（不区分大小写）就提取，可以用str.contains实现：

# case=False 忽略大小写，na=False 空值直接返回False不报错
dfRealEstate = df[df.Occupation.str.contains('realestate', case=False, na=False)]

排查辅助

如果以上方法还没得到预期结果，可以先运行以下代码查看列内的实际值：

# repr会显示字符串的原始形式，方便发现空格、转义字符等隐藏内容
print(df.Occupation.apply(repr).unique())

内容的提问来源于stack exchange，提问作者Adam