如何用DataFrame语法筛选列值存在于指定字符串中的行

示例代码 #

data='findme, ok'
df = pd.DataFrame([x.split(',') for x in data.split('\n')])
df.columns = ['keyword', 'result']
keywords = df['keyword'].tolist()
test1='maybe you canfindme'.lower()

需求说明 #

需要把下面这段遍历匹配的循环代码，改成Pandas DataFrame原生的筛选语法：

for keyword in df['keyword'].tolist():
    if keyword in test1:
        print(keyword)

你尝试的写法df[df['keyword'] in test1]是错误的，因为in运算符在这里会判断整个Series对象是否是test1的成员，而不是逐个检查每个keyword是否在test1中。

正确实现方法 #

方法1：使用apply()逐个判断 #

这是最直观的写法，通过apply()对每个keyword执行"是否在test1中"的判断：

filter_result = df[df['keyword'].apply(lambda x: x in test1)]

运行后filter_result就是包含所有符合条件的行的DataFrame，对应示例里就是keyword为findme的那一行。

方法2：使用str.contains()（需注意正则特殊字符） #

如果你的keyword中没有正则特殊字符（比如*、|等），也可以用Pandas的字符串方法str.contains()，把所有keyword拼接成正则匹配模式：

# 把所有keyword用|拼接，形成正则匹配规则
pattern = '|'.join(df['keyword'])
filter_result = df[df['keyword'].str.contains(pattern, na=False)]

这种方法性能比apply()略好，但如果keyword包含正则特殊字符，需要先转义，否则会匹配出错。

内容的提问来源于stack exchange，提问作者Bryan Fok