如何将列表与DataFrame列匹配并生成带编号的新列

你的问题出在循环的逻辑上：你现在的代码是检查整个df.source列是否包含某个源，然后直接给整列的sourcenum赋值当前计数器值，最后所有行都会被覆盖成最后一个计数器值（如果初始没赋值的话就会是0），而不是逐行判断每个URL对应的源。

下面给你几个高效可行的实现方法：

方法1：字典 + apply（最直观） #

用你已经定义好的源-编号字典，写一个自定义函数逐行检查URL包含哪个源，返回对应的编号：

import pandas as pd

# 定义源-编号字典
sources = {'fox':1, 'yahoo':2, 'abcnews':3, 'google':4, 'cnn':5, 'nyt':6, 'nbc':7, 'washingtonpost':8, 'wsj':9, 'huffingtonpost':10}

# 自定义匹配函数
def get_source_num(url):
    for source, num in sources.items():
        if source in url:
            return num
    return 0  # 没有匹配到的情况返回0，也可以返回pd.NA

# 应用到DataFrame
df['sourcenum'] = df['source'].apply(get_source_num)

方法2：np.select + str.contains（向量化操作，效率更高） #

np.select其实支持任意数量的条件，你只需要把每个源的条件整理成列表，对应的结果也整理成列表即可：

import pandas as pd
import numpy as np

sources = {'fox':1, 'yahoo':2, 'abcnews':3, 'google':4, 'cnn':5, 'nyt':6, 'nbc':7, 'washingtonpost':8, 'wsj':9, 'huffingtonpost':10}

# 生成条件列表和结果列表
conditions = [df['source'].str.contains(source, case=False)  # 可选case=False忽略大小写
              for source in sources.keys()]
choices = list(sources.values())

# 应用np.select，default是没有匹配到的返回值
df['sourcenum'] = np.select(conditions, choices, default=0)

方法3：正则提取 + map（简洁高效） #

把所有源拼成正则表达式，提取URL中匹配的源，再用字典映射成编号：

import pandas as pd

sources = {'fox':1, 'yahoo':2, 'abcnews':3, 'google':4, 'cnn':5, 'nyt':6, 'nbc':7, 'washingtonpost':8, 'wsj':9, 'huffingtonpost':10}

# 生成匹配所有源的正则表达式
pattern = '|'.join(sources.keys())
# 提取匹配的源，然后映射成编号
df['sourcenum'] = df['source'].str.extract(f'({pattern})', expand=False).map(sources).fillna(0).astype(int)

为什么你的原代码不行？ #

你的循环逻辑是：

count = 1
for x in sources:
    if x in df.source.values:  # 这里检查的是整个列是否存在x，不是逐行判断
        df.sourcenum = count  # 直接给整列赋值，会覆盖之前的所有值
        count += 1

这会导致只有最后一个满足x in df.source.values的源对应的编号被赋值给整列，而如果没有任何源满足的话，sourcenum会保持初始的0值。

内容的提问来源于stack exchange，提问作者ra37