DataFrame文本与字典词匹配分类失败：全返回0的问题解决

问题场景 #

• 已构建包含MATCH键（对应词列表）的MYdict字典
• DataFrame的posts列存储词列表类型的数据
• 需求：若posts中至少存在一个词在字典的MATCH列表中，标记为1，否则标记为0
• 当前执行代码后所有行均返回0，需修复

原错误代码 #

def matches(x):
    # x == string
    for i in dic_INFP.values():
        #i == list
        if x in i:
            return 1
        else:
            return 0

X_test_clean["INFP"] = X_test_clean["posts"].apply(lambda x: matches(x))

错误原因分析 #

1. 参数类型错误：注释标注x == string，但实际apply传入的x是posts列的单个元素——词列表，不是单个字符串，导致x in i的判断逻辑完全错误。
2. 循环逻辑错误：循环中第一次判断不匹配就直接return 0，不会继续检查当前列表的其他词，更不会遍历后续的字典值。
3. 字典取值错误：需求是匹配MATCH键对应的列表，但代码遍历了字典所有values，逻辑偏离需求。

修复后的代码 #

方式1：常规循环实现

# 提取字典中MATCH对应的目标词列表
target_words = MYdict['MATCH']

def matches(post_words):
    # post_words是posts列的单个词列表
    for word in post_words:
        if word in target_words:
            return 1
    # 所有词都不匹配才返回0
    return 0

X_test_clean["INFP"] = X_test_clean["posts"].apply(matches)

方式2：用any()简化（推荐）

把目标词列表转成集合可以大幅提升查找效率，适合数据量大的场景：

# 转成集合优化查找速度
target_words = set(MYdict['MATCH'])

# 用lambda+any()一行实现
X_test_clean["INFP"] = X_test_clean["posts"].apply(
    lambda x: 1 if any(word in target_words for word in x) else 0
)

内容的提问来源于stack exchange，提问作者Jleeca