创建具有多个匹配项的新列

Question

样品测向：

我有一个df，它的列有Zone、New_Zone、Country、New_Region&Currency

Currency列的值有EUR、AUD、BLR、RUB

Zone列的值类似于EU、Africa、NAZ

New_Zone的值有EU、Europe、EUROPE、Africa、NAZ、AFRICA

Country的值有Australia、Brazil、Russia、Ukraine、USA

New_Region的值类似于Australia、Brazil、USA

因此，列Zone和New_Zone包含几乎相似的值，New_Region和Country包含几乎相似的值

询问：

我想用以下条件创建一个名为Currency_Match的新列：

1. 如果区域是EU或（逻辑）新区域是EU、Europe或Europe，并且（逻辑）货币是EUR，则是或否
2. 如果国家是澳大利亚或新的地区是澳大利亚，货币是AUD，那么是或否
3. 如果国家是巴西或（逻辑）新的地区是巴西，（逻辑）货币是BLR，则是或否

4. 如果国家是韩国或（逻辑）新的地区是韩国，（逻辑）货币是KRW，则是或否

5. 如果区域是非洲或（逻辑）新区是非洲或非洲，和（逻辑）货币是NGN，则是或否

6如果区域是NAZ或（逻辑）新区域是NAZ，和（逻辑）货币是USD，则是或否

7如果国家是俄罗斯，乌克兰或（逻辑）新的地区是俄罗斯，（逻辑）货币是RUB，则是或否

我一共有7种情况像上面这些

代码：

        df['Currency_Match']=df.apply(lambda row: "Yes" if (((row['Zone'] == "EU")|(row['New_Zone'] =='Europe')|(row['New_Zone'] =='EU')|(row['New_Zone'] =='EUROPE')) 
& (row["Contract - Original Currency Code"] == "EUR"))
     else 'No',axis=1)

问题：

上面的代码工作得很好，但是当我编写其他类似的条件时，它会一次又一次地更新列

他们有没有其他的方法我可以做到这一点，也没有这个麻烦

Answer 1

为可读代码的单独行创建每个条件，按|或&逐位OR或AND链接到最终掩码并传递到^{}：

m1 = (df['Zone'] == "EU")|(df['New_Zone'].isin(['Europe','EUROPE','EU'])
m2 = (df["Contract - Original Currency Code"] == "EUR")

m3 = (df['Region'] == "Australia")|(df['New_Region'] =='Australia')
m4 = (df["Contract - Original Currency Code"] == "AUD")

m5 = (df['Region'] == "Brazil")|(df['New_Region'] =='Brazil')
m6 = (df["Contract - Original Currency Code"] == "BLR")

mask = (m1 & m2) | (m3 & m4) | (m5 & m6)

df['Currency_Match'] = np.where(mask, "Yes", 'No')

编辑：对于动态解决方案，使用区域和区域列表按货币创建字典，并传递到dict comprehension中的^{}：

#zone dict
d1 = {'EUR':['Europe','EUROPE','EU'],'NGN':['Africa','AFRICA'],'USD':['NAZ']}

#region dict
d2 = {'AUD':['Australia'], 'BLR':['Brazil'],'KRW':['Korea'],'RUB':['Russia','Ukraine']}

m1 = [(df['Zone'].isin(v) | df['New_Zone'].isin(v)) & 
      (df["Contract - Original Currency Code"] == k) 
       for k, v in d1.items()]
print (m1)

m2 = [(df['Region'].isin(v) | df['New_Region'].isin(v)) & 
      (df["Contract - Original Currency Code"] == k) 
       for k, v in d2.items()]
print (m2)

mask = np.logical_or.reduce(m1) | np.logical_or.reduce(m2)

df['Currency_Match'] = np.where(mask, "Yes", 'No')