表格汉字匹配分组问题求助：已完成目标1，求目标2实现方案

需求回顾 #

• 第一组：与匹配列表精确匹配的目标词
• 第二组：未在匹配列表中的目标词，且匹配列表存在以该目标词首字符开头的条目，需将目标词与对应匹配条目关联
• 第三组：未在匹配列表中，且匹配列表无对应首字符开头条目的目标词

修正后的目标1实现代码 #

你原来的代码存在逻辑颠倒（应检查目标词是否在匹配列表中，而非反过来）和语法问题（中文引号、Yes/No未加引号），修正后如下：

import pandas as pd

# 假设table是包含'Match list'和'Target word'列的DataFrame
match_series = table['Match list'].dropna().unique()  # 去重并清理空值，作为参考匹配集合
target_series = table['Target word'].dropna()

# 标记目标词是否在匹配列表中
table['is_exact_match'] = target_series.isin(match_series)

# 提取第一组：精确匹配的条目
group1 = table[table['is_exact_match']].copy()

目标2的完整实现思路与代码 #

核心思路 #

1. 筛选出未精确匹配的目标词
2. 提前构建匹配列表的「首字符-对应条目」映射字典，避免重复遍历查询，提升效率
3. 遍历每个未匹配的目标词，根据首字符查询映射字典，完成分组

完整代码 #

# 步骤1：筛选未精确匹配的目标词
unmatched_targets = table[~table['is_exact_match']]['Target word'].dropna().tolist()

# 步骤2：构建匹配列表的首字符映射字典
char_to_matches = {}
for word in match_series:
    first_char = word[0] if len(word) > 0 else ''
    if first_char not in char_to_matches:
        char_to_matches[first_char] = []
    char_to_matches[first_char].append(word)

# 步骤3：分组处理未匹配的目标词
group2 = []  # 存储格式：[(目标词, [匹配列表条目1, ...]), ...]
group3 = []

for target in unmatched_targets:
    if not target:  # 跳过空字符串
        continue
    first_char = target[0]
    if first_char in char_to_matches:
        group2.append( (target, char_to_matches[first_char]) )
    else:
        group3.append(target)

# 可选：将分组标签写入原表格，方便后续分析
table['group'] = '第三组'
table.loc[table['is_exact_match'], 'group'] = '第一组'

for target, _ in group2:
    table.loc[table['Target word'] == target, 'group'] = '第二组'

代码说明 #

• 用char_to_matches字典预处理匹配列表，将查询时间复杂度从O(n)降到O(1)
• 加入空值处理逻辑，避免空字符串引发的索引错误
• 最后可选将分组标签合并回原DataFrame，便于后续的数据分析或可视化

内容的提问来源于stack exchange，提问作者Apples