不使用列表，而是使用字典，并将其反转为与map一起使用：

d = {'A': ['a_1', 'a_2', 'a_3'],
     'B': ['b_1', 'b_2'],
    }

d2 = {k: v for v, l in d.items() for k in l}

df['Category'] = df['Element'].map(d2)

输出：

Element Category
0     a_1        A
1     a_2        A
2     b_1        B
3     a_3        A
4     b_2        B

使用np.where和numpy.in1d

• np.where--根据条件返回从x或y中选择的元素。
• numpy.in1d--测试一维数组的每个元素是否也出现在第二个数组中。
  代码

# Add column Category by Assigning 'A' if the element in list A else assign 'B'

df['Category'] = np.where(np.in1d(df['Element'], A), 'A', 'B')

其中：

A = ['a_1', 'a_2', 'a_3']

# B not needed since "Every element falls into one of these categories" (i.e. in B if not in A)