Pandas两个DataFrame条件匹配 按匹配结果生成指定值新列问题

问题原因 #

你原有代码的错误逻辑有两点：

• 调用any()会判断整个lead_investors列是否存在任意一行匹配当前投资者名，只要有一个匹配就返回True
• 条件成立时直接对整列investor_continent赋值'asia'，最终只要名单里有任意一个投资者在列中出现过，全列都会被覆盖为'asia'

最优实现（推荐） #

不需要循环，用pandas向量化操作一次性完成匹配，效率远高于循环遍历：

import re

# 1. 拼接正则匹配模式，re.escape用于转义投资者名称中的正则特殊字符
pattern = '|'.join([re.escape(name) for name in names])
# 2. 生成匹配掩码：每行只要包含名单中任意一个投资者名称，就标记为True
match_mask = df1c['lead_investors'].str.contains(pattern, na=False)
# 3. 按匹配结果赋值
df1c['investor_continent'] = match_mask.map({True: 'asia', False: 'other'})

循环实现（不推荐，仅作逻辑参考） #

如果一定要用循环实现，修改逻辑如下：

# 先默认所有行都为other
df1c['investor_continent'] = 'other'

for x in names:
    # 仅筛选匹配当前投资者的行，单独修改这些行的取值
    match_rows = df1c['lead_investors'].str.contains(x, na=False)
    df1c.loc[match_rows, 'investor_continent'] = 'asia'

内容的提问来源于stack exchange，提问作者Steven