如何在Python的DataFrame中提取以‘no’开头的目标短语？

已从DataFrame中筛选出包含单词"no"的列，需要提取并打印其中以"no"开头的短语。示例数据集如下：

index | Column 1
------------------------------------------------------------------------ 
  0   | no school for the rest of the year. no homework and no classes
  1   | no more worries. no stress and no more anxiety
  2   | no teachers telling us what to do

期望输出：

no school
no homework
no classes
no more worries
no stress
no more anxiety
no teachers

当前代码：

# 复制目标列
copy = df4['phrases'].copy()

# 筛选含"no"的行
nomore = copy.str.contains(r'\bno\b', na=False)

# 拆分每行字符串为单词列表
copy.loc[nomore] = copy[nomore].str.split()

尝试以下代码拼接短语失败：

for i in  copy.loc[nomore]:
    for x in i: 
        if x == 'no':
            print(x,x+1)

问题：无法正确匹配x == 'no'，且x+1报错，求修复方法。

原代码问题分析 #

1. 标点干扰：拆分后的单词可能附带标点（如school.），不过x == 'no'本身逻辑没问题，但x是字符串，x+1属于错误的字符串拼接操作，并非取列表下一个元素。
2. 短语长度不固定：有的短语是no+单词结构，有的是no+多词结构（如no more worries），遍历单个单词的方式无法完整提取多词短语。

推荐方法：正则直接提取 #

不用拆分单词，用正则匹配所有符合要求的短语，高效且简洁：

import re
import string

# 遍历目标列的每一行文本
for text in df4['phrases']:
    # 匹配所有以独立单词no开头的短语，支持多词组合
    phrases = re.findall(r'\bno\s+(?:\w+\s*)+', text)
    # 清理短语的多余空格和末尾标点后打印
    for p in phrases:
        clean_phrase = p.strip().rstrip(string.punctuation)
        print(clean_phrase)

正则说明：

• \bno：匹配独立的单词no，避免误匹配now这类包含no的单词
• \s+(?:\w+\s*)+：匹配no后面的一个或多个单词，允许单词间的空格
• rstrip(string.punctuation)：去掉短语末尾的标点符号（如.）

备选：修复循环逻辑 #

如果坚持用拆分单词的方式，可调整代码如下：

import string

copy = df4['phrases'].copy()
nomore = copy.str.contains(r'\bno\b', na=False)
copy.loc[nomore] = copy[nomore].str.split()

for word_list in copy.loc[nomore]:
    idx = 0
    while idx < len(word_list):
        # 清理单词的标点并转小写，判断是否为no
        word_clean = word_list[idx].strip(string.punctuation).lower()
        if word_clean == 'no':
            # 收集短语内容，直到遇到下一个no或列表结束
            phrase_words = []
            current_idx = idx
            while current_idx < len(word_list):
                current_word = word_list[current_idx].strip(string.punctuation)
                phrase_words.append(current_word)
                current_idx += 1
                # 提前终止：如果下一个单词是no，停止当前短语收集
                if current_idx < len(word_list) and word_list[current_idx].strip(string.punctuation).lower() == 'no':
                    break
            print(' '.join(phrase_words))
            idx = current_idx  # 跳到下一个no的位置，避免重复处理
        else:
            idx += 1

这段代码通过索引遍历解决了标点干扰问题，同时能完整提取多词短语。

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