如何在含重复值的Pandas DataFrame中按Text列提取指定行

我有如下Pandas DataFrame：

需要基于Text列提取特定行：使用正则匹配搜索类似“liability commercial”的关键词组，只要Text列的值匹配组内任意一个关键词，就提取对应行。比如输入该关键词组时，需提取第3、4行（结果如下），且要保留Text列的重复值行。

可以通过拆分关键词组构建正则模式，结合Pandas的str.contains方法实现筛选：

import pandas as pd
import re

# 构造示例DataFrame
df = pd.DataFrame({
    'id': [1,2,3,4,5],
    'left': [12,99,1,10,99],
    'top': [34,42,47,69,72],
    'width': [12,99,9,32,79],
    'height': [34,42,4,67,88],
    'Text': ['commercial','general','liability','commercial','available']
})

# 定义目标关键词组
target_keywords = "liability commercial"
# 转义关键词并拼接成正则匹配模式（匹配任意一个关键词）
regex_pattern = '|'.join(re.escape(word) for word in target_keywords.split())

# 筛选匹配的行
filtered_df = df[df['Text'].str.contains(regex_pattern, regex=True)]
print(filtered_df)

关键说明 #

• re.escape(word)：对每个关键词做转义处理，避免关键词中的特殊字符破坏正则匹配逻辑；
• '|'.join(...)：将关键词用|拼接，形成“liability|commercial”的正则模式，实现“匹配任意一个关键词”的效果；
• df['Text'].str.contains(...)：检查Text列每个值是否匹配正则模式，返回布尔索引；
• 用布尔索引筛选DataFrame，得到所有符合条件的行，包含重复值的行也会被保留。

内容的提问来源于stack exchange，提问作者spectre