Regex 基于现有列的值向新列添加值

我使用下面的脚本创建一个新的Dataframe列，该列的值取决于正则表达式与现有列中的值的匹配：

import pandas as pd 

#Creation of the dataframe
data = [['Value One', 10], ['Value Six', 15],['Value Six', 25], ['Value * Three', 14],['Other', 14]] 

df = pd.DataFrame(data, columns = ['ColumnA', 'columnB'])

#Create new column with the values depending on the values of an existing column 
df.loc[df['ColumnA'].str.match("Value One|Value Two|Value \* Three"),'Category'] = 'One'
df.loc[df['ColumnA'].str.match("Value Four|Value Six|Value \* Five"),'Category'] = 'Two'

#Replace the nulls - the ones that didn't have a match above - with a value
df.Category.fillna('Not Specified', inplace=True)

代码运行良好，但我的目标是对其进行优化，使其适用于更复杂的场景。我想避免有很多行的

df.loc

s，我想知道是否有一种方法可以使用例如字典来自动执行

• 首先，对于需要匹配的值有不同的列表（

  str.match

  可以替换为

  str.contains

  ，我想在这种情况下，括号内有一个正则表达式）
• 其次，为将添加到新列中的值提供不同的列表
• 第三，（这就是我所想的，但请随意提供任何总体解决方案）一个使用df.loc并添加上述列表的循环。这可能需要创建包含两种列表的字典

  ---

  我不确定这是否有用，或者您是否已经知道这一点，但您可以使用矢量化

  将numpy导入为np
  def regexr（x）：
  如果x.match（“值一|值二|值\*3”）：
  返回“一”
  elif x.match（“值四|值六|值\*5”）：
  返回“2”
  其他：
  返回“未指定”
  regexr=np.vectorize（regexr）
  df['columnA'].values=regexr（df['columnA'].values）