如何在Pandas列中搜索指定字符串并添加0/1标记列？

我来帮你搞定这个问题！你遇到的KeyError和功能失效，主要是因为函数里的逻辑写法出了问题，咱们一步步拆解，然后给出简单高效的解决方案。

先说说你现有代码的问题 #

你的函数里有几个明显的错误：

• table[table['Column A']]这种写法完全不对：table['Column A']是一个Series（单列数据），用它去索引DataFrame，会把Series里的字符串当成列名去查找，自然会抛出KeyError。
• 用in来匹配正则表达式：'company.*?one' in ...是做精确子串匹配，不是正则匹配，根本达不到你要的匹配"company one"或"companyone"的效果。
• 整列赋值逻辑错误：你直接给整个Branded列赋值1或0，而不是根据每行的匹配结果分别赋值，这完全不符合需求。

正确的解决方案（推荐两种高效写法） #

Pandas提供了非常方便的向量化字符串操作，比逐行处理效率高得多，这里给你两种常用的方法：

方法1：用str.contains + 正则 + 类型转换 #

直接通过正则匹配目标字符串，再把布尔结果转成1/0：

import pandas as pd

# 假设你的DataFrame名为df
df['Branded'] = df['Column A'].str.contains(r'company\s*one', regex=True).astype(int)

• r'company\s*one'：这个正则表达式可以完美匹配"company one"（中间有空格）、"companyone"（无空格），甚至中间有多个空格的情况（比如"company one"），\s*表示0个或多个空白字符。
• regex=True：告诉Pandas我们要用正则匹配，不是普通子串。
• astype(int)：把匹配得到的布尔值（True/False）转换成整数1/0，正好符合你要的Branded列格式。

方法2：用numpy.where实现条件赋值 #

如果觉得逻辑更直观，可以用numpy.where来明确指定匹配成功和失败的返回值：

import pandas as pd
import numpy as np

df['Branded'] = np.where(df['Column A'].str.contains(r'company\s*one', regex=True), 1, 0)

这个写法的逻辑是：如果Column A匹配到目标正则，就返回1，否则返回0，和方法1的效果完全一致。

测试验证 #

用你给出的测试数据运行上面的代码后，得到的Branded列就是你期望的结果：

额外提示 #

如果需要忽略大小写（比如匹配"Company One"或"COMPANYONE"），可以给str.contains加上case=False参数：

df['Branded'] = df['Column A'].str.contains(r'company\s*one', regex=True, case=False).astype(int)

内容的提问来源于stack exchange，提问作者jceg316