如何仅按完整单词而非子串过滤Pandas DataFrame？

要实现仅筛选comment列中包含完整单词in的行，核心是用正则表达式的单词边界来精确匹配独立单词，而非子串。

优化后的代码（高效适配大型DataFrame） #

# 用正则单词边界\b匹配独立的"in"
pattern = r'\bin\b'
comp = complete[complete['comment'].str.contains(pattern, case=False, regex=True)]

关键说明 #

• \b是正则中的单词边界，它匹配单词字符（字母/数字/下划线）与非单词字符的分界，或是字符串的开头/结尾。这就确保只会匹配独立的in，不会命中coming、inside这类单词里的子串。
• 直接对comment列使用str.contains是向量化操作，比原代码的apply逐行处理效率高得多，更适合大型DataFrame。
• 如果需要兼容带标点的场景（比如in,、in.），这个正则同样有效，因为标点属于非单词字符，\b会正确识别in作为独立单词的边界。

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