Pandas如何不区分大小写多条件匹配设置DataFrame列值

方案1：使用replace结合布尔索引实现 #

你可以先批量完成两类code的替换，再通过布尔匹配把剩下不满足条件的值统一设为空字符串，代码如下：

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({"code": ["codeA",
                            "Codeb",
                            "codeB",
                            "codea",
                            "N/A",
                            "N/A"], 
                   "warehouse": [20, 
                                 30, 
                                 10,
                                 30,
                                 10,
                                 70]})

# 单次replace完成两类匹配替换，比多次调用replace性能更高
df['code'] = df['code'].replace({"(?i)codeA": "product A", "(?i)codeB": "product B"}, regex=True)
# 把未匹配到的取值统一设为空
df.loc[~df['code'].isin(["product A", "product B"]), 'code'] = ""

方案2：使用np.where实现完整if-elif-else逻辑 #

如果希望在一次计算中走完所有分支，完全对应你给出的伪代码逻辑，可以用numpy的where嵌套实现：

import numpy as np

df['code'] = np.where(df['code'].str.contains('(?i)codeA'), "product A",
                      np.where(df['code'].str.contains('(?i)codeB'), "product B",
                               ""))

方案3：映射字典+自定义函数（适合规则扩展） #

如果后续需要新增更多code映射规则，用字典统一管理规则可维护性更高：

# 统一管理匹配规则，新增规则只需要修改这个字典
rule_map = {
    r'(?i)^codeA$': 'product A',
    r'(?i)^codeB$': 'product B'
}

def map_code(val):
    for pattern, res in rule_map.items():
        if pd.Series([val]).str.match(pattern).iloc[0]:
            return res
    return ""

df['code'] = df['code'].apply(map_code)

内容的提问来源于stack exchange，提问作者EA Bubnoff