如何用Python循环/列表推导式结合正则为DataFrame新增布尔/分类列

问题背景 #

我有一个包含多列的Pandas DataFrame，其中一列是由空格分隔、包含大小写词汇的房产标题字符串。需要基于指定的搜索词列表，通过Python的re模块结合循环/列表推导式遍历该列，生成布尔值（True/False）列或匹配到的分类名称列，并添加到DataFrame中。

示例DataFrame #

import pandas as pd

data = {'id': [748, 896, 5268],
        'name' : ['Bright, Modern Garden Unit - 1BR/1BTH', 'Renovated Alamo Square Victorian', 'Mission Sunny, near Park'],
        'price': [209, 255, 180]}
df = pd.DataFrame(data)

输出：

id                                   name  price
0   748  Bright, Modern Garden Unit - 1BR/1BTH    209
1   896       Renovated Alamo Square Victorian    255
2  5268               Mission Sunny, near Park    180

遇到的问题 #

单独搜索单个关键词可以实现，但尝试直接将搜索词列表传入str.contains时，会触发unhashable type: list错误，不清楚如何正确整合正则语法实现需求。

解决方案 #

1. 生成布尔匹配列（amenities_bool） #

核心是将搜索词列表转换为正则OR模式，通过re.compile编译并忽略大小写，再用str.contains完成批量匹配：

import re

# 定义目标搜索词
search_terms = ['bright', 'renovated', 'near']

# 编译正则模式：用|连接所有关键词，忽略大小写
pattern = re.compile('|'.join(search_terms), re.IGNORECASE)

# 生成布尔列：匹配到任意关键词则为True
df['amenities_bool'] = df['name'].str.contains(pattern)

print(df)

输出结果：

id                                   name  price  amenities_bool
0   748  Bright, Modern Garden Unit - 1BR/1BTH    209            True
1   896       Renovated Alamo Square Victorian    255            True
2  5268               Mission Sunny, near Park    180            True

说明：str.contains不接受列表作为参数，必须将列表转为单个正则表达式字符串（用|表示逻辑或），编译时添加re.IGNORECASE可自动匹配大小写不同的词汇。

2. 生成分类描述列（amenities_descp） #

如果需要提取具体匹配到的关键词，用列表推导式结合re.search提取第一个匹配的词汇（转小写）：

# 生成分类列：提取第一个匹配的关键词并转为小写
df['amenities_descp'] = [
    re.search(pattern, text).group().lower() if re.search(pattern, text) else None 
    for text in df['name']
]

print(df)

输出结果：

id                                   name  price  amenities_bool amenities_descp
0   748  Bright, Modern Garden Unit - 1BR/1BTH    209            True          bright
1   896       Renovated Alamo Square Victorian    255            True       renovated
2  5268               Mission Sunny, near Park    180            True            near

扩展：如果需要提取所有匹配的关键词（用逗号分隔），可以改用re.finditer：

df['amenities_descp'] = [
    ', '.join([match.group().lower() for match in re.finditer(pattern, text)]) 
    if re.search(pattern, text) else None 
    for text in df['name']
]

内容的提问来源于stack exchange，提问作者new_to_code