如何用子串DataFrame对字符串DataFrame分类并生成布尔列？

核心思路 #

把第二个DataFrame里的所有子串整合成可批量匹配的规则，要么用正则一次性匹配，要么逐行检查子串存在性，最终生成布尔结果列。

方法一：正则合并匹配（高效推荐） #

通过正则表达式的|逻辑实现多子串同时匹配，适合大数据量场景：

• 提取子串列并拼接成正则匹配模式
• 调用str.contains()完成批量检查

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({"a": ["a", "abcd", "dabcd", "qwerty", "oppoupou"]})
df2 = pd.DataFrame({"substrings": ["abc", "qw", "qaz"]})

# 生成匹配模式：用|分隔所有子串
match_pattern = "|".join(df2["substrings"])

# 添加布尔结果列
df1["contains_any_sub"] = df1["a"].str.contains(match_pattern)

执行后df1的结果：

方法二：逐行遍历匹配（直观无正则干扰） #

如果子串包含正则特殊字符（如.、*），或者不想用正则，可通过逐行检查实现：

import pandas as pd

df1 = pd.DataFrame({"a": ["a", "abcd", "dabcd", "qwerty", "oppoupou"]})
df2 = pd.DataFrame({"substrings": ["abc", "qw", "qaz"]})

# 定义检查函数
def has_any_substring(text, substr_list):
    return any(sub in text for sub in substr_list)

# 应用函数生成布尔列
df1["contains_any_sub"] = df1["a"].apply(has_any_substring, substr_list=df2["substrings"].tolist())

特殊场景处理 #

如果子串包含正则特殊字符（如$、.），方法一需要先转义字符，避免匹配异常：

import re
import pandas as pd

df2 = pd.DataFrame({"substrings": ["abc.", "qw*", "qaz"]})
# 转义每个子串的特殊正则字符
match_pattern = "|".join(re.escape(sub) for sub in df2["substrings"])
df1["contains_any_sub"] = df1["a"].str.contains(match_pattern)

内容的提问来源于stack exchange，提问作者asdf123