如何在Pandas中基于部分匹配条件创建新列？

• 初始apply写法：排除swifter适配问题的话，单条件下逻辑本身是可以运行的，报错大概率是你代码中额外加了any()判断——单个字符串传入any()会遍历每个字符，只要字符串非空就返回True，直接导致判断逻辑完全失效。
• np.where写法报错：属于语法错误，你在语句末尾多了: return "Things"的无效内容，标准np.where语法不需要额外的return语句。你提到的「循环内无法生效」的问题，只要在循环内正确引用当前操作的DataFrame变量名即可，注意不要写错变量（比如示例里你定义的是df但调用时写的是df2）。
• 补充的自定义函数写法错误：conditions函数既没有定义返回值，也没有接收正确的参数，直接把函数对象传给np.where当然会出现长度不匹配的问题。
• 其他无效写法：df["new_column"] == "ores" is True: return "things"属于完全不符合Python语法的写法，Pandas没有这种直接赋值加判断的语句规则。

方案1：矢量化实现（性能最优，无需apply） #

单条件场景直接用一行代码即可，不需要自定义函数，完全适配循环内调用的场景，也不需要用np.select：

import pandas as pd
import numpy as np

df = pd.DataFrame([["ores"], ["ores + more texts"], ["anything else"]], columns=['Symptom'])
# 包含ores返回Things，不满足条件可以自定义返回其他值，比如空字符串
df["new_column"] = np.where(df["Symptom"].str.contains("ores", na=False), "Things", "")

这里的na=False是为了处理Symptom列存在空值的场景，避免判断时返回NaN报错。

方案2：apply自定义函数（适合多条件逻辑，方便编辑） #

如果你有多个判断条件需要频繁修改，又不想维护独立的条件列表，可以用apply的标准写法，所有逻辑都收拢在函数内部，修改非常方便：

def conditions(row):
    if "ores" in row["Symptom"]:
        return "Things"
    # 后续新增条件直接加elif即可
    elif "test" in row["Symptom"]:
        return "其他返回值"
    # 不满足所有条件的默认返回值
    else:
        return ""

df["new_column"] = df.apply(conditions, axis=1)

如果要保留swifter加速，直接把df.apply改成df.swifter.apply即可，只要Symptom列没有非字符串类型的值就不会报错。

内容的提问来源于stack exchange，提问作者SRP