假设此输入：

df = pd.DataFrame({'client': ['abc', 'abc', 'xyz', 'xyz'],
                   'keyword': ['kw1', 'kw2', 'kw3', 'kw4']
                  })

字符串
您可以用途：

df['url'] = np.where(df['client'] == 'xyz',
                     df['keyword'].apply("/s?k={}&s=relevanceblender&page=%s".format),
                     'other')

型

• 请注意{query}是如何更改为{}的。*

或者，如果无法更改格式字符串：

df['url'] = np.where(df['client'] == 'xyz',
                     df['keyword'].apply(lambda x: "/s?k={query}&s=relevanceblender&page=%s".format(query=x)),
                     'other')

型
输出量：

client keyword                                  url
0    abc     kw1                                other
1    abc     kw2                                other
2    xyz     kw3  /s?k=kw3&s=relevanceblender&page=%s
3    xyz     kw4  /s?k=kw4&s=relevanceblender&page=%s

型

其中一种方法是向量化"...".format，如下所示：

df = pd.DataFrame({
    'A': [1,2,3,4],
    'B': [*'abcd']
})

query_format = np.vectorize('Item {query!r} for {data!r}'.format)

df['C'] = np.where(df['A'] > 2, query_format(query=df['B'], data=df['A']), 'other')

print(df)

字符串
其结果是：

A  B               C
0  1  a           other
1  2  b           other
2  3  c  Item 'c' for 3
3  4  d  Item 'd' for 4

型
如需详细信息，请参阅numpy.vectorize。