基于pandas另一列关键词过滤DataFrame文本行的问题

问题原因 #

df['text'].str.contains()要求第一个参数是单个字符串或编译后的正则模式，你直接传入df['keyword'].str会把每行的关键词列表转成字符串（比如"['a','b']"），不符合参数要求，因此触发错误。

方法一：逐行检查关键词匹配（基础版） #

用apply逐行遍历DataFrame，通过any()判断对应行的text是否包含keyword列表中的任意关键词：

# 筛选保留符合条件的行
df = df[df.apply(lambda row: any(key in row['text'] for key in row['keyword']), axis=1)]

方法二：正则精准匹配（进阶版） #

如果需要整词匹配（避免部分匹配，比如不想把"cat"匹配到"category"），或者关键词包含正则特殊字符（如*、?），可以用re模块处理：

import re

def check_match(row):
    for key in row['keyword']:
        # \b 表示整词边界，re.escape 转义关键词中的特殊字符
        if re.search(rf'\b{re.escape(key)}\b', row['text']):
            return True
    return False

df = df[df.apply(check_match, axis=1)]

方法三：处理字符串形式的关键词列表 #

如果你的keyword列存储的是字符串格式的列表（比如"['python','pandas']"），需要先将其转换为真正的列表类型：

import ast

# 把字符串转成列表
df['keyword'] = df['keyword'].apply(ast.literal_eval)
# 再执行基础版的筛选逻辑
df = df[df.apply(lambda row: any(key in row['text'] for key in row['keyword']), axis=1)]

内容的提问来源于stack exchange，提问作者kaalabhairava