如何根据DataFrame列中字符串末尾3字符生成指定值新列？

嘿，我来分享几个用Pandas实现这个需求的实用方法，都很容易上手，你可以根据自己的场景选择：

方法一：用str.endswith() + numpy.where()（最直接高效） #

这个方法是处理这类后缀匹配的首选，利用Pandas的字符串方法和numpy的向量化判断，速度很快：

import pandas as pd
import numpy as np

# 先构造你的示例DataFrame
df = pd.DataFrame({
    'name': ['Carlos - xyz', 'Marcos - yws', 'Fran - xxz', 'Matt - yre'],
    'year': [2019, 2031, 2431, 1985]
})

# 新增type列：匹配后缀为xyz或xxz的行赋值'big'，其余为空
df['type'] = np.where(df['name'].str.endswith(('xyz', 'xxz')), 'big', '')

解释： #

• df['name'].str.endswith(('xyz', 'xxz'))：返回一个布尔Series，标记每行的name是否以xyz或xxz结尾
• np.where(条件, 满足条件的值, 不满足条件的值)：向量化的三元判断，把布尔结果转换成我们需要的big或空字符串

方法二：用str.contains() + 正则表达式（灵活扩展） #

如果之后需要匹配更多复杂的后缀规则，用正则表达式会更灵活：

df['type'] = np.where(df['name'].str.contains(r'(xyz|xxz)$'), 'big', '')

解释： #

• 正则表达式(xyz|xxz)$里，$表示匹配字符串的末尾，(xyz|xxz)表示匹配其中任意一个后缀
• 这种方法适合后续需要调整匹配规则的场景，比如要匹配xz结尾的所有字符串，只需要修改正则即可

方法三：用apply()自定义函数（可读性强） #

如果你的后缀提取逻辑更复杂（比如name的分隔符不固定），可以写个小函数来处理每行数据：

def get_type_from_name(name_str):
    # 拆分name字符串，取出最后的后缀部分
    suffix = name_str.split(' - ')[-1]
    # 判断后缀是否在目标列表里
    return 'big' if suffix in ['xyz', 'xxz'] else ''

# 对name列应用这个函数，生成type列
df['type'] = df['name'].apply(get_type_from_name)

解释： #

• apply()会遍历name列的每个元素，把值传入自定义函数处理
• 这种方法代码可读性很高，适合逻辑复杂、需要分步处理的场景

不管用哪种方法，最终运行后你都会得到想要的结果：

name  year type
0  Carlos - xyz  2019  big
1  Marcos - yws  2031     
2    Fran - xxz  2431  big
3    Matt - yre  1985     

内容的提问来源于stack exchange，提问作者aabujamra