如何用Pandas在DataFrame列中匹配列表多词并生成新列

需求说明 #

给定关键词列表：

keyword_list = ['motorcycle love hobby ', 'bike love me', 'cycle', 'dirtbike cycle motorbike ']

需要在Pandas DataFrame的指定列中匹配关键词，当某行匹配到3个及以上独立词语时，在新列中存储所有匹配到的词语；未达3个则返回空值。

实现步骤与代码 #

1. 预处理关键词，生成去重的词语集合

先把原关键词列表里的所有条目拆成单个词语，去除空格和重复项，方便后续匹配：

import pandas as pd

# 原关键词列表
keyword_list = ['motorcycle love hobby ', 'bike love me', 'cycle', 'dirtbike cycle motorbike ']

# 拆分并清洗关键词，生成去重的词语集合
keywords = set()
for item in keyword_list:
    # 拆分词语、去除空字符串（处理末尾空格）、加入集合去重
    words = [w.strip() for w in item.split() if w.strip()]
    keywords.update(words)

2. 构造示例DataFrame

这里模拟业务数据，你可以替换成自己的真实数据：

# 示例数据
data = {
    'text': [
        'I love my motorcycle and hobby, also ride a cycle',
        'Just a bike for me',
        'Dirtbike, motorbike and cycle are my favorite, love them',
        'Only ride a cycle sometimes'
    ]
}
df = pd.DataFrame(data)

3. 定义匹配函数并生成新列

编写函数处理每行文本，提取匹配的词语，判断数量是否达标：

def match_keywords(text):
    # 拆分当前文本为词语，转小写（实现大小写不敏感匹配，按需可移除）
    text_words = [w.strip().lower() for w in text.split() if w.strip()]
    # 匹配关键词
    matched = [word for word in keywords if word.lower() in text_words]
    # 匹配数≥3则返回列表，否则返回空值
    return matched if len(matched) >= 3 else None

# 应用函数生成新列'matched_keywords'
df['matched_keywords'] = df['text'].apply(match_keywords)

4. 最终结果

运行后得到的DataFrame效果如下：

注意事项 #

• 若需要大小写敏感匹配，去掉代码中.lower()的处理即可；
• 如果文本中有标点符号，可先通过re.sub(r'[^\w\s]', '', text)去除标点后再拆分词语；
• 关键词列表中的重复词语会被自动去重，避免重复统计。

内容的提问来源于stack exchange，提问作者rudra