如何在Pandas DataFrame中生成记录匹配关键词的新列？

方案1：生成列表格式的匹配结果 #

利用pandas的str.findall()方法，直接提取每行字符串中所有匹配的术语，返回列表形式：

import pandas as pd

# 初始化数据
df = pd.DataFrame({'String': ['Cat Dog Fish', 'Cat Dog', 'Pig Horse', 'DogFish', 'CatHorse']})
words = ['Cat', 'Dog', 'Fish']

# 构建匹配正则模式
match_pattern = '|'.join(words)
# 生成匹配列
df['Matched'] = df['String'].str.findall(match_pattern)

# 可选：过滤掉无匹配项的行（比如原数据里的"Pig Horse"）
df = df[df['Matched'].str.len() > 0].reset_index(drop=True)
print(df)

执行后输出：

String           Matched
0  Cat Dog Fish  [Cat, Dog, Fish]
1       Cat Dog        [Cat, Dog]
2       DogFish       [Dog, Fish]
3      CatHorse             [Cat]

方案2：生成拼接字符串格式的匹配结果 #

在列表匹配的基础上，用apply()将匹配到的列表元素直接拼接成字符串：

import pandas as pd

df = pd.DataFrame({'String': ['Cat Dog Fish', 'Cat Dog', 'Pig Horse', 'DogFish', 'CatHorse']})
words = ['Cat', 'Dog', 'Fish']

match_pattern = '|'.join(words)
# 先提取匹配列表，再拼接为字符串
df['Matched'] = df['String'].str.findall(match_pattern).apply(''.join)

# 可选：过滤无匹配的行
df = df[df['Matched'] != ''].reset_index(drop=True)
print(df)

执行后输出：

String     Matched
0  Cat Dog Fish  CatDogFish
1       Cat Dog      CatDog
2       DogFish     DogFish
3      CatHorse         Cat

额外说明 #

• 如果需要精确匹配完整单词（不想让DogFish被拆成Dog和Fish），可以给每个术语加上单词边界正则\b，修改匹配模式：

  match_pattern = '|'.join(r'\b{}\b'.format(word) for word in words)
  

• 要是同一行有重复术语（比如Cat Cat Dog），findall会返回重复项，需要去重的话可以这么改：

  df['Matched'] = df['String'].str.findall(match_pattern).apply(lambda x: list(set(x)))
  

内容的提问来源于stack exchange，提问作者Tyler