如何基于国家名数组，从Pandas DataFrame字符串列提取匹配国家生成新列？

嘿，这个需求在数据处理里挺常见的，我给你几个实用的方案，根据你的场景选就行：

如果你的国家列表里没有名称互相包含的情况（比如不会同时出现China和Chinese），直接用Pandas的str.extract就可以快速搞定：

import pandas as pd
import numpy as np

# 你的国家列表和初始DataFrame
country_list = ['Angola', 'Belgium']
df = pd.DataFrame(
    np.array([['A product for Angola', None], ['A product for Belgium', None], ['A product for France', None]]),
    columns=['Product', 'Country']
)

# 把国家列表拼成正则匹配模式，用|分隔表示“匹配任意一个”
match_pattern = '|'.join(country_list)
# 提取匹配的内容，找不到就返回NaN
df['Country'] = df['Product'].str.extract(f'({match_pattern})', expand=False)

print(df)

运行后你会得到预期的结果：

Product  Country
0  A product for Angola   Angola
1  A product for Belgium  Belgium
2   A product for France      NaN

要是你的国家名称有重叠（比如列表里同时出现USA和United States），或者你想控制匹配的优先级，那就用apply搭配自定义函数更合适：

def get_country(text, countries):
    # 遍历国家列表，找到第一个出现在文本里的国家名
    for country in countries:
        if country in text:
            return country
    # 没找到就返回空值
    return np.nan

# 对Product列的每一行应用函数
df['Country'] = df['Product'].apply(lambda x: get_country(x, country_list))

比如你想优先匹配更长的名称，只需要把country_list里的长名称放在前面就行，非常灵活。

• 如果你的Product列有缺失值，记得先填充空字符串，避免报错：

  df['Product'] = df['Product'].fillna('')
  

• 要是需要不区分大小写的匹配（比如文本里是"angola"，列表里是"Angola"），可以这样改：
  • 正则方案：加个忽略大小写的标志

    import re
    df['Country'] = df['Product'].str.extract(f'({match_pattern})', expand=False, flags=re.IGNORECASE)
    

  • 自定义函数方案：把两者都转成小写再判断

    if country.lower() in text.lower():
    

内容的提问来源于stack exchange，提问作者BrunoGG