如何用Python筛选DataFrame：保留label列字符串存在于sentence列的行

需求说明 #

从含空值的DataFrame中筛选出满足同一行内labels列字符串是sentence列字符串子串的行，自动排除空值无效行。

输入DataFrame #

实现代码 #

import pandas as pd

# 构造输入DataFrame
data = {
    'sentence': ['A met B', 'C is dead', '', 'D went to London and Berlin', 'E is sleeping'],
    'labels': ['A', 'X', 'D', 'London and Berlin', '']
}
df = pd.DataFrame(data)

# 筛选逻辑：先排除空值行，再判断子串关系
filtered_df = df[(df['sentence'].notna() & df['sentence'] != '') & (df['labels'].notna() & df['labels'] != '')]
filtered_df = filtered_df[filtered_df.apply(lambda row: row['labels'] in row['sentence'], axis=1)]

# 匹配输出示例的列名
filtered_df.rename(columns={'labels': 'label'}, inplace=True)

print(filtered_df)

输出结果 #

代码说明 #

1. 空值过滤：通过条件判断排除sentence或labels为空的行，避免空字符串干扰子串判断。
2. 子串校验：用apply按行检查labels是否包含在sentence中，axis=1指定按行处理。
3. 列名调整：将原列名labels改为label，匹配输出示例格式，可按需省略此步骤。

内容的提问来源于stack exchange，提问作者user7665853