如果列值在列表中，则创建列值-python熊猫

Question

我想创建一个名为Playercategory的新专栏，

Name    Country
Kobe    United States
John    Italy
Charly  Japan
Braven  Japan / United States 
Rocky   Germany / United States
Bran    Lithuania
Nick    United States / Ukraine
Jonas   Nigeria

如果玩家的国籍为“美国”或除欧洲国家外的任何其他国家的美国，则Playercategory==“美国”

如果玩家的国籍是欧洲国家或与任何其他国家的欧洲国家，则Playerclass=="欧洲"（例如："意大利"、"意大利/美国"、"德国/美国"、"立陶宛/澳大利亚"、"比利时"）

对于所有其他玩家，则Playercategory==“非”

预期输出：

Name    Country                   Playercategory
Kobe    United States             American
John    Italy                     Europe
Charles Japan                     Non
Braven  Japan / United States     American
Rocky   Germany / United States   Europe
Bran    Lithuania                 Europe
Nick    United States / Ukraine   American
Jonas   Nigeria                   Non             

我的尝试：首先，我创建了一个欧洲国家的列表：

euroCountries=['Austria', 'Belgium', 'Bulgaria', 'Croatia', 'Cyprus', 'Czechia', 'Denmark',
   'Estonia', 'Finland', 'France', 'Germany', 'Greece', 'Hungary', 'Ireland',
   'Italy', 'Latvia', 'Lithuania', 'Luxembourg', 'Malta', 'Netherlands',
   'Poland', 'Portugal', 'Romania', 'Slovakia', 'Slovenia', 'Spain', 'Sweden']

我知道如何检查一种情况，比如下面的方法，

df["PlayerCatagory"] = np.where(df["Country"].isin(euroCountries), "Europe", "Non")

但不知道如何结合上述三个条件，正确创建玩家类别。

非常感谢您的支持！！！！！！！

Answer 1

使用numpy。如果在系列中匹配欧洲国家，则选择先测试。str.包含，然后测试是否匹配美国：

m1 = df['Country'].str.contains('|'.join(euroCountries))
m2 = df['Country'].str.contains('United States')

或者您可以使用系列测试拆分的值。str.split，数据帧。eq或数据帧。isin然后，如果数据帧中每行至少有一个匹配项。任何：

df1 = df['Country'].str.split(' / ', expand=True)
m1 = df1.eq('United States').any(axis=1)
m2 = df1.isin(euroCountries).any(axis=1)

df["PlayerCatagory"] = np.select([m1, m2], ['Europe','American'], default='Non')
print (df)
     Name                  Country PlayerCatagory
0    Kobe            United States       American
1    John                    Italy         Europe
2  Charly                    Japan            Non
3  Braven    Japan / United States       American
4   Rocky  Germany / United States         Europe
5    Bran                Lithuania         Europe
6    Nick  United States / Ukraine       American
7   Jonas                  Nigeria            Non