如何在Pandas DataFrame中新增列并提取指定地址片段？

没问题，这两个需求都能轻松实现，咱们一步步来解决：

你之前用iterrows循环的方式虽然可行，但Pandas本身提供了更高效的矢量化操作，不用手动循环就能完成。咱们可以直接新增列来标记符合条件的行，或者把符合条件的描述内容存入新列，示例代码如下：

import pandas as pd

# 先还原你的原始DataFrame
df = pd.DataFrame({
    'id': [1, 2, 3],
    'Description': [
        'POS Transfer A&W MONTREAL QC',
        'MKLI QC Montreal DOLLARAMA',
        'PC - PAYMENT FROM - *****11*22'
    ]
})

provinces = ["qc", "on"]
# 构造正则表达式，确保匹配完整的省份单词（避免误匹配包含这些字符的其他词）
province_pattern = r'\b(' + '|'.join(provinces) + r')\b'

# 新增列：标记该行是否包含省份关键词
df['has_address'] = df['Description'].str.lower().str.contains(province_pattern, regex=True)

# 或者直接把符合条件的描述内容存入新列，不符合的设为NaN
df['address_candidate'] = df['Description'].where(df['has_address'])

运行后你的DataFrame就会多出这两个列，不用再手动维护数组b，后续处理也更方便。

要实现这个需求，咱们可以写一个自定义函数，结合apply来处理每一行的描述文本。核心思路是把文本拆分成单词，找到省份所在的位置，然后截取它前一个（如果存在）和后一个（如果存在）单词的范围：

def extract_fragment(text, target_provinces):
    # 处理空值的情况
    if pd.isna(text):
        return None
    # 把文本拆分成单词列表
    words = text.split()
    # 转成小写方便匹配省份
    lower_words = [word.lower() for word in words]
    
    for idx, word in enumerate(lower_words):
        if word in target_provinces:
            # 确定截取的起始和结束索引：确保不会超出列表范围
            start_idx = max(0, idx - 1)
            end_idx = min(len(words), idx + 2)
            # 拼接成需要的片段
            return ' '.join(words[start_idx:end_idx])
    # 如果没找到省份，返回None
    return None

# 应用函数到address_candidate列，生成最终的片段列
df['address_fragment'] = df['address_candidate'].apply(lambda x: extract_fragment(x, provinces))

运行后你会得到：

• 第一行的address_fragment是A&W MONTREAL QC
• 第二行是QC Montreal DOLLARAMA
• 第三行是NaN（因为没有省份关键词）

如果想要更简洁的方式，也可以用正则表达式来实现，不过上面的方法更直观，方便你根据实际情况调整规则（比如处理特殊分隔符、多空格等）。

内容的提问来源于stack exchange，提问作者Jerry George