如何基于列中子串匹配过滤Pandas DataFrame并保留指定列

给定如下Pandas DataFrame：

import pandas as pd

d = {
    "item": ["a", "b", "c", "d"],
    "report": [
        "john rode the subway through new york",
        "sally says she no longer wanted any fish, but",
        "was not submitted",
        "the doctor proceeded to call washington and new york",
    ],
}
df = pd.DataFrame(data=d)

术语列表：

terms = ["new york", "fish"]

需要筛选出report列包含terms中任意子串的行，保留item和report列，最终得到目标结果。

方法1：使用str.contains结合正则表达式 #

将术语列表用|拼接成正则匹配模式，一次性匹配任意目标子串，是最高效的实现方式：

# 拼接术语为正则匹配模式
pattern = '|'.join(terms)
# 筛选符合条件的行
filtered_df = df[df['report'].str.contains(pattern)]
print(filtered_df)

输出结果：

item                                             report
0    a        john rode the subway through new york
1    b  sally says she no longer wanted any fish, but
3    d  the doctor proceeded to call washington and new york

方法2：使用apply自定义匹配逻辑 #

如果需要更灵活的匹配规则（比如添加额外判断），可以用apply遍历每行检查：

def has_target_term(text):
    return any(term in text for term in terms)

filtered_df = df[df['report'].apply(has_target_term)]
print(filtered_df)

此方法结果与方法1一致，适合需要自定义匹配逻辑的场景。

注意事项 #

• 若术语包含正则特殊字符（如., *），需用re.escape()转义，避免匹配错误：

  import re
  pattern = '|'.join(re.escape(term) for term in terms)
  filtered_df = df[df['report'].str.contains(pattern)]
  

• str.contains默认区分大小写，如需忽略大小写，添加case=False参数：df['report'].str.contains(pattern, case=False)

内容的提问来源于stack exchange，提问作者Benjamin