构建dict，然后执行map

d={'dog':'ani','cat':'ani','green':'color','blue':'color'}
df1['col2']=df1.col1.map(d)
df1
    col1   col2
0    cat    ani
1    cat    ani
2    dog    ani
3  green  color
4   blue  color

由于多个项目可能属于一个类别，我建议您从字典Map类别到项目开始：

cat_item = {'animal': ['cat', 'dog'], 'color': ['green', 'blue']}

你可能会发现这更容易维护。* 然后 * 使用字典理解来反转你的字典，后面跟着pd.Series.map：

item_cat = {w: k for k, v in cat_item.items() for w in v}

df1['col2'] = df1['col1'].map(item_cat)

print(df1)

    col1    col2
0    cat  animal
1    cat  animal
2    dog  animal
3  green   color
4   blue   color

您也可以使用pd.Series.replace，但通常是less efficient。

您也可以尝试使用np.select，如下所示：

options = [(df1.col1.str.contains('cat|dog')), 
           (df1.col1.str.contains('green|blue'))]

settings = ['animal', 'color']

df1['setting'] = np.select(options,settings)

我发现即使在非常大的 Dataframe 中，这种方法也能很快地工作