除了使用np.where，如何在python中添加具有多个字符串包含条件的新列？

我试图通过使用

str.contains（）

和

np.where（）

函数为多个字符串提供包含条件来添加一个新列。通过这种方式，我可以得到我想要的最终结果

但是，代码非常冗长。使用pandas函数重新实现这个功能有什么好方法吗

df5['new_column'] = np.where(df5['sr_description'].str.contains('gross to net', case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('gross up', case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('net to gross',case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('gross-to-net',case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('gross-up',case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('net-to-gross',case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('gross 2 net',case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('net 2 gross',case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('gross net',case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('net gross',case=False).fillna(False),1,
    np.where(df5['sr_description'].str.contains('memo code',case=False).fillna(False),1,0)))))))))))

这个输出将是,

如果这些字符串包含在“sr_description”中，则将

1

，否则

0

添加到

new_列

可能将多个字符串条件存储在一个列表中，然后读取并应用于函数

编辑：

样本数据：

sr_description                  new_column
something with gross up.           1
without those words.               0
or with Net to gross               1
if not then we give a '0'          0

---

这是我想到的

代码：

              sr_description  contains_str
0   something with gross up.          True
1       without those words.         False
2                        NaN         False
3       or with Net to gross          True
4  if not then we give a "0"         False

重新导入
作为pd进口熊猫
将numpy作为np导入
#要检查的字符串的列表
勾选_strs=[‘毛额对净额’、‘毛额对净额’、‘毛额对净额’、‘毛额对净额’、‘毛额对净额’、‘毛额2净额’，
“净2毛额”、“净毛额”、“净毛额”、“备忘录代码”]
#从re.escape（）文档中：在模式中转义特殊字符。
#如果要匹配可能包含正则表达式元字符的任意文字字符串，这将非常有用。
check_strs_esc=[check_strs中当前值的重新转义（当前值）]
#将所有转义字符串作为单个正则表达式联接
勾选“|”。加入（勾选）
test_col_1=[“某个词有加总”，“没有那些词”，“np.NaN”，“或净到加总”，“如果没有加总，则我们给出一个“0”]
df_1=pd.DataFrame（data=test_col_1，columns=['sr_description']））
df_1['contains_str']=df_1['sr_description'].str.contains（检查字符串，大小写=False，na=False）
打印（df_1）

结果：

              sr_description  contains_str
0   something with gross up.          True
1       without those words.         False
2                        NaN         False
3       or with Net to gross          True
4  if not then we give a "0"         False

注意，

numpy

不是解决方案运行所必需的，我只是用它来测试一个

NaN

值

---

如果有什么不清楚或您有任何问题，请告诉我！：）

这是我想到的

代码：

              sr_description  contains_str
0   something with gross up.          True
1       without those words.         False
2                        NaN         False
3       or with Net to gross          True
4  if not then we give a "0"         False

重新导入
作为pd进口熊猫
将numpy作为np导入
#要检查的字符串的列表
勾选_strs=[‘毛额对净额’、‘毛额对净额’、‘毛额对净额’、‘毛额对净额’、‘毛额对净额’、‘毛额2净额’，
“净2毛额”、“净毛额”、“净毛额”、“备忘录代码”]
#从re.escape（）文档中：在模式中转义特殊字符。
#如果要匹配可能包含正则表达式元字符的任意文字字符串，这将非常有用。
check_strs_esc=[check_strs中当前值的重新转义（当前值）]
#将所有转义字符串作为单个正则表达式联接
勾选“|”。加入（勾选）
test_col_1=[“某个词有加总”，“没有那些词”，“np.NaN”，“或净到加总”，“如果没有加总，则我们给出一个“0”]
df_1=pd.DataFrame（data=test_col_1，columns=['sr_description']））
df_1['contains_str']=df_1['sr_description'].str.contains（检查字符串，大小写=False，na=False）
打印（df_1）

结果：

              sr_description  contains_str
0   something with gross up.          True
1       without those words.         False
2                        NaN         False
3       or with Net to gross          True
4  if not then we give a "0"         False

注意，

numpy

不是解决方案运行所必需的，我只是用它来测试一个

NaN

值

---

如果有什么不清楚或您有任何问题，请告诉我！：）

您可以使用一个正则表达式，将所有的事例与“or”运算符匹配，这样您就可以看到

numpy。只要有“gross”是1，就选择
？使用布尔值可能比使用“0”和“1”更好。我想我知道如何解决这个问题，明天我会试着发布一个答案。你能解释一下代码的作用吗？你可以使用一个正则表达式，将所有的情况都与“或”运算符匹配，这样你就可以看到
numpy。只要有“gross”是1，就选择
。使用布尔值可能比使用“0”和“1”更好。我想我知道如何解决这个问题，明天我会发布一个答案。你能解释一下代码的作用吗？