如何在Pandas中查找词组及目标词的后续词列表？

看起来你之前用str.contains("sweet cat")效果不好，是因为这个方法只会精确匹配完整的词组，而你的数据里sweet后面跟着的词可能不一样（比如cats、dogs），甚至sweet可能在句尾没有后续词。下面是一套完整的解决方案，能帮你筛选出所有含sweet的文本，并生成你想要的词组列表：

步骤1：构造示例DataFrame（如果你的数据已存在可跳过） #

先还原你的示例数据：

import pandas as pd

data = {
    'id': [1, 2, 3, 4],
    'date': ['1.1.20', '1.1.20', '2.1.20', '3.1.20'],
    'text': ['this is a sweet cat.', 'the cat is sweet.', 'sweet dogs are difficult to find.', 'I love sweet cats.']
}
df = pd.DataFrame(data)

步骤2：筛选所有包含"sweet"的行 #

先把所有包含sweet的文本行筛选出来，这里用str.contains搭配单词边界确保匹配完整单词：

sweet_texts = df[df['text'].str.contains(r'\bsweet\b')]

用\bsweet\b是为了避免匹配到类似sweeten这种包含sweet的其他单词，保证匹配的是独立的sweet。

步骤3：提取目标词组 #

我们用正则表达式匹配两种核心情况：

• sweet后面紧跟一个单词（比如sweet cat、sweet dogs）
• sweet单独出现在句尾（比如第二行的is sweet.）

用str.findall提取所有符合条件的匹配项，再整理成目标列表：

# 正则表达式：匹配sweet，以及可选的后续单词
pattern = r'\bsweet(?:\s+(\w+))?\b'
matches = sweet_texts['text'].str.findall(pattern)

# 整理成最终的目标列表
target_list = []
for groups in matches:
    for group in groups:
        if group:
            target_list.append(f'sweet {group}')
        else:
            target_list.append('sweet')

运行代码后，target_list就是你想要的结果：

print(target_list)
# 输出: ['sweet cat', 'sweet', 'sweet dogs', 'sweet cats']

为什么之前的方法效果不好？ #

你之前用str.contains("sweet cat")只能精确匹配这个固定词组，但你的数据里sweet后面的词是变化的，还有sweet单独出现的情况，自然会遗漏大量行。而我们的方法先定位所有含sweet的行，再提取所有sweet相关的可能组合，就不会遗漏了。

内容的提问来源于stack exchange，提问作者s_khan92