Python中pandas如何从字符串列生成分类列？求简洁实现方案

下面提供3种不同场景下的优化实现，均不需要创建中间临时列，代码更简洁易维护：

方法1：使用numpy.select（推荐，性能最优） #

向量化操作，适合处理任意量级的数据，不需要遍历行，性能远高于逐行处理方案：

import numpy as np

# 条件按优先级排序，同时匹配的条件放最前
conditions = [
    df['Name'].str.contains('Joe') & df['Name'].str.contains('Bob'),
    df['Name'].str.contains('Joe'),
    df['Name'].str.contains('Bob')
]
# 对应条件的返回值
values = ['Both', 'Joe', 'Bob']
# 生成Type列，default可设置两个都不匹配时的默认值
df['Type'] = np.select(conditions, values, default='未匹配')

方法2：使用apply + 三元表达式（逻辑最直观） #

适合万行以内的小数据量场景，代码短、逻辑清晰易懂：

df['Type'] = df['Name'].apply(
    lambda x: 'Both' if ('Joe' in x and 'Bob' in x)
    else 'Joe' if 'Joe' in x
    else 'Bob' if 'Bob' in x
    else '未匹配'
)

方法3：自定义函数（扩展性最强） #

如果后续需要新增更多匹配人名，或者匹配逻辑有变化，封装成自定义函数便于迭代维护：

def get_person_type(name_str):
    # 后续新增匹配人名直接往该列表加即可
    target_names = ['Joe', 'Bob']
    matched_list = [name for name in target_names if name in name_str]
    if len(matched_list) == len(target_names):
        return 'Both'
    elif len(matched_list) == 1:
        return matched_list[0]
    else:
        return '未匹配'

df['Type'] = df['Name'].apply(get_person_type)

注意：如果要匹配的字符串包含*、?等正则特殊字符，在str.contains中添加regex=False参数即可实现字面量匹配。

内容的提问来源于stack exchange，提问作者Quercus Lobata