由于相同的度类型都以相同的字符开头，因此可以降低它们并Map到第一个字符：

data = {'Name': ['Alice','Bob','Chris','David'],
    'Degree': ['phd','BA','MBA','B.Sc.']
    }

df = pd.DataFrame(data, columns = ['Name', 'Degree'])
df['Degree'] = df['Degree'].str.lower().str[:1].map({'b': 'is_bachelors', 'm': 'is_masters', 'p': 'is_phd'})
df.pivot_table(index='Name', columns='Degree', aggfunc=len, fill_value=0)

结果:
姓名（学士学位）硕士学位（PHDALICE001BOB100CHRIS0100DAVID100）

对于您提供的“phd”示例，您可以删除标点符号并使所有内容都小写，以捕获所有phd：

def preprocess (degree):
    return degree.replace('.', "").lower()

data['Degree'] = data.Degree.apply(preprocess)

也许，这也适用于其他程度的大多数变化，但我无法在不了解其他变化的情况下对其进行评估。

您可以使用以下选项：

import re

string= 'MBA'

if re.search('p', string, re.IGNORECASE):
    print(0)
elif re.search('m', string, re.IGNORECASE):
    print(1)
elif re.search('ba', string, re.IGNORECASE):
    print(2)
elif re.search('bs', string, re.IGNORECASE):
    print(2)

它解决了区分大小写、空格和标点符号的问题。同样在“mba”等包含“m”和“ba”的情况下，因为任何包含“m”的字符串都会在“ba”检查之前被捕获。