基于另一列子串匹配初始化Pandas DataFrame列的问题

问题场景 #

我的DataFrame包含一个存储纯文本的summary列，同时拥有一个字典KEYWORDS_DICT（键为待添加的新列名，值为对应列的关键词列表）。需求是为DataFrame添加这些新列：若某行summary包含对应列的任意关键词则赋值1，否则赋值-99。

尝试的代码如下：

# headers 是字符串列表，keywords 是列表的列表，每个列对应一个关键词列表
KEYWORDS_DICT = dict(zip(headers, keywords))

for column in KEYWORDS_DICT:
    df[column] = np.where(any(df['summary'].str.contains(keyword) for keyword in KEYWORDS_DICT[column]), 1, -99)

运行时报错：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

错误原因 #

Python内置的any()函数会尝试判断生成器中每个Series的整体布尔值，但Pandas Series是多元素结构，无法直接返回单一布尔结果（系统无法确定你要判断所有元素还是任意元素），因此触发歧义错误。

解决方法 #

方法一：使用Pandas的行级any()方法（推荐） #

将Python内置any()替换为Pandas DataFrame的.any(axis=1)方法，先把每个关键词的匹配结果拼成临时DataFrame，再按行判断是否存在任意匹配：

import numpy as np
import pandas as pd

# 假设已存在 df、headers、keywords
KEYWORDS_DICT = dict(zip(headers, keywords))

for col_name, keywords_list in KEYWORDS_DICT.items():
    # 生成每个关键词的匹配Series，组合成DataFrame
    match_results = pd.DataFrame({kw: df['summary'].str.contains(kw, na=False) for kw in keywords_list})
    # 按行判断是否有任意匹配，转换为1或-99
    df[col_name] = np.where(match_results.any(axis=1), 1, -99)

注：na=False用于处理summary列的空值，避免匹配结果出现NaN，保证逻辑一致性。

方法二：正则表达式合并关键词 #

把每个列的关键词合并为一个用|分隔的正则表达式，一次str.contains即可完成任意关键词的匹配：

import numpy as np
import pandas as pd
import re

KEYWORDS_DICT = dict(zip(headers, keywords))

for col_name, keywords_list in KEYWORDS_DICT.items():
    # 合并关键词为正则模式，用re.escape转义特殊字符
    regex_pattern = '|'.join(re.escape(kw) for kw in keywords_list)
    # 匹配后转换为1或-99
    df[col_name] = np.where(df['summary'].str.contains(regex_pattern, na=False), 1, -99)

注：re.escape()用于处理关键词中的正则特殊字符（如.、*等），避免意外匹配。

内容的提问来源于stack exchange，提问作者zishaf