如何在DataFrame文本列中匹配Series子串并新增结果列？

要实现从DataFrame的text列中提取匹配指定子串的内容，可以通过正则表达式捕获组结合str.extract()方法完成，具体步骤如下：

1. 准备示例数据 #

import pandas as pd

# 构建目标DataFrame
df = pd.DataFrame({
    'text': ['abdcdtext1wrew', 'qwerqdtext2cvufu', 'iuotext3tvbv', 'iuotvbvewre'],
    'sth': ['...', '...', '...', '...']
})

# 构建存储匹配子串的Series
df_look_for = pd.Series(['text1', 'text2', 'text3'], name='look_for')

2. 生成匹配正则模式 #

将需要匹配的子串用|拼接，包裹在正则捕获组()中，让str.extract()可以提取到具体匹配的内容：

# 生成正则匹配模式
pattern = '(' + '|'.join(df_look_for) + ')'

3. 提取匹配子串并添加新列 #

使用str.extract()提取匹配内容，无匹配项会自动填充NaN：

df['found_str'] = df['text'].str.extract(pattern, expand=False)

最终结果 #

执行后你的DataFrame会变成：

补充说明 #

你之前用str.contains()未成功的原因是：该方法仅返回布尔值（是否包含子串），无法提取具体匹配的子串。而str.extract()通过正则捕获组，可以直接获取到匹配的内容，完全满足你的需求。

如果存在单个text匹配多个子串的场景，上述方法会返回第一个匹配的子串；若需要提取所有匹配项，可以改用str.findall()后再做格式处理。

内容的提问来源于stack exchange，提问作者complog