如何用Python Pandas将含teacher的job_title合并为单一类别？

嘿，这事儿好办！要把所有包含"teacher"的职位统一成"teacher"类别，我给你两种简单高效的方法，随便选哪种都能搞定：

方法一：用np.where结合str.contains（最直观） #

这个方法逻辑清晰，先判断每个职位名称里是否包含"teacher"，匹配成功就替换成"teacher"，失败则保留原名称：

import pandas as pd
import numpy as np

# 假设你的DataFrame名为df
df['job_title'] = np.where(
    # 不区分大小写，同时处理缺失值（把NA当成不包含）
    df['job_title'].str.contains('teacher', case=False, na=False),
    'teacher',  # 匹配成功就替换成这个
    df['job_title']  # 匹配失败保留原内容
)

# 现在统计就只会显示一个"teacher"类别了
print(df['job_title'].value_counts())

参数说明：

• case=False：不管是"Teacher"还是"TEACHER"都能匹配到，避免大小写遗漏
• na=False：如果job_title列有缺失值，会直接保留（你也可以改成其他值，比如"Unknown"）

方法二：用正则表达式替换（更简洁） #

如果你喜欢一行搞定，用str.replace配合正则表达式，直接把所有包含"teacher"的字符串替换成"teacher"：

import pandas as pd

df['job_title'] = df['job_title'].str.replace(
    r'.*teacher.*',  # 正则：任何包含teacher的字符串（不管前后内容）
    'teacher',
    case=False,
    regex=True
)

# 统计查看结果
df['job_title'].value_counts()

小提示 #

如果你不想修改原有的job_title列，可以新建一个清洗后的列，比如：

df['cleaned_job_title'] = np.where(
    df['job_title'].str.contains('teacher', case=False, na=False),
    'teacher',
    df['job_title']
)

这样原数据不受影响，统计的时候用cleaned_job_title就行。

内容的提问来源于stack exchange，提问作者Justin Nunez