Python：检查DataFrame子串匹配并提取存在的单词列表问题

原代码错误原因 #

• 第一段代码：i in sentence['sentence'].values是检查单词是否完全等于某个句子，而非作为子串存在，只有当单词和句子完全一致时才会被选中，不符合需求。
• 第二段代码：sentence['sentence'].str.contains(i)返回布尔Series，直接用if判断会触发ValueError（Pandas不允许在布尔上下文直接使用Series），且无法正确判断是否存在至少一个包含该单词的句子。

正确实现方案 #

方案1：修复循环逻辑 #

遍历单词表，用any()判断是否存在至少一个句子包含当前单词：

tru = []
for word_val in word['word']:
    # 检查任意句子是否包含该单词
    if sentence['sentence'].str.contains(word_val).any():
        tru.append(word_val)

方案2：向量化操作（高效无循环） #

利用Pandas的apply和布尔索引直接筛选符合条件的单词：

existing_words = word[word['word'].apply(lambda x: sentence['sentence'].str.contains(x).any())]['word'].tolist()

方案3：精确匹配完整单词（避免部分匹配） #

如果需要匹配完整单词（比如避免app匹配apples），可以使用正则单词边界\b：

tru = []
for word_val in word['word']:
    # 正则匹配完整单词，区分大小写
    if sentence['sentence'].str.contains(r'\b' + word_val + r'\b', regex=True).any():
        tru.append(word_val)

可选参数说明 #

• 若需忽略大小写，在str.contains中添加case=False：

  sentence['sentence'].str.contains(word_val, case=False).any()
  

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