本文详解 Pandas 中根据某列是否包含特定子串来条件生成新列的正确方法，重点纠正常见的逻辑运算符误用（如 "a" or "b" in x 的陷阱），并提供高效、可读性强的实现方案。
本文详解 pandas 中根据某列是否包含特定子串来条件生成新列的正确方法，重点纠正常见的逻辑运算符误用（如 `"a" or "b" in x` 的陷阱），并提供高效、可读性强的实现方案。
在 Pandas 中，基于另一列的字符串内容条件性地创建新列是高频操作，但初学者常因 Python 逻辑表达式语义误解而踩坑。你原始代码中：
if "a" or "b" or "c" in x:
实际等价于：
bool("a") or bool("b") or ("c" in x) → True or True or ... → 恒为 True。
因为非空字符串 "a" 和 "b" 在布尔上下文中均为 True，整个条件永远成立，导致所有行都进入第一个分支，结果全为 "string"。
✅ 正确写法必须对每个子串单独执行 in 判断，并用 or 连接：
def assign_by_substring(x):
if "a" in x or "b" in x or "c" in x:
return "string"
elif "d" in x or "e" in x or "f" in x:
return "other string"
else:
return "default string"
df["new col"] = df["col"].apply(assign_by_substring)
? 更推荐的优化方案（兼顾性能与可读性）：
使用 str.contains() 配合正则表达式，避免 Python 层循环，充分利用 Pandas 向量化能力：
# 使用正则：括号内为字符组，| 表示“或”
df["new col"] = np.select(
[
df["col"].str.contains(r"[abc]", na=False),
df["col"].str.contains(r"[def]", na=False)
],
["string", "other string"],
default="default string"
)
⚠️ 注意事项：
- str.contains() 默认区分大小写，如需忽略大小写，添加 case=False 参数；
- na=False 是关键——当 col 中存在 NaN 时，str.contains() 返回 NaN，会导致 np.select 报错，设为 False 可安全处理缺失值；
- 若子串集合较大（如几十个关键词），建议改用 set.intersection() 或预编译正则，提升可维护性。
? 总结：条件赋值的核心在于明确每个判断的主谓结构（"x" in target），而非依赖字符串自身的真值；优先选用向量化方法（str.contains + np.select/numpy.where）替代 apply，尤其在大数据集上性能优势显著。
