如何在两个Pandas DataFrame中查找部分单词匹配？

实现步骤 #

1. 提取df1的所有单词集合
   先把df1中所有描述里的单词提取出来，转成集合（去重且查找效率更高）：

import pandas as pd

# 示例数据
df1 = pd.DataFrame({'Description': ['i had lunch', 'going to the airport', 'buying a suitcase']})
df2 = pd.DataFrame({'Description': ['buying lunch', 'airport travel', 'owning a car']})

# 提取df1所有单词并去重
df1_words = set()
for desc in df1['Description']:
    df1_words.update(desc.split())

2. 筛选df2中符合条件的行
   检查df2每行描述是否包含df1中的任意单词，筛选出匹配的行：

# 定义检查函数
def has_target_word(desc):
    return any(word in df1_words for word in desc.split())

# 执行筛选
filtered_df2 = df2[df2['Description'].apply(has_target_word)]

3. 统计匹配行数
   直接通过长度统计：

match_row_count = len(filtered_df2)

运行结果 #

筛选后的filtered_df2输出：

Description
0    buying lunch
1  airport travel

匹配行数match_row_count为2。

简洁优化写法（正则匹配） #

如果需要更简洁的代码，且想避免部分单词匹配（比如防止"airport"误匹配"airporttest"），可以用正则表达式的单词边界：

# 生成正则匹配模式
pattern = r'\b(' + '|'.join(df1_words) + r')\b'
# 执行筛选（case=False表示不区分大小写，按需关闭）
filtered_df2 = df2[df2['Description'].str.contains(pattern, case=False)]

内容的提问来源于stack exchange，提问作者DN1