基于文本列表为DataFrame新增匹配列的技术实现咨询

嘿，完全懂你不想写几十条if语句的痛苦！这里有个简洁的办法，用pandas的字符串处理功能就能一次性搞定所有词汇匹配，不用挨个写条件判断。

核心思路 #

我们可以把体育词汇列表转换成正则表达式的备选模式，然后用pandas的str.extract函数在每行文本里匹配对应的词汇，还能自动处理大小写差异的情况。

完整代码示例 #

import pandas as pd
import re

# 你的体育词汇列表（哪怕50个也没问题）
sports = ["basketball", "football", "baseball"]

# 示例DataFrame（实际替换成你的数据即可）
df = pd.DataFrame({
    "column_1": [
        "My favourite sport is football",
        "I love to play basketball",
        "Football is a family of team sports that involve, to varying degrees, kicking a ball to score a goal"
    ]
})

# 将词汇列表拼接成正则匹配模式，用|分隔不同词汇
pattern = '|'.join(sports)
# 提取匹配到的词汇，忽略大小写差异
df['other'] = df['column_1'].str.extract(f'({pattern})', flags=re.IGNORECASE)
# 统一转成小写，和原列表词汇格式保持一致
df['other'] = df['other'].str.lower()

# 查看结果
print(df)

代码解释 #

• '|'.join(sports)：把列表里的词汇拼成basketball|football|baseball这样的正则规则，意思是匹配任意一个出现在列表里的词汇
• str.extract(..., flags=re.IGNORECASE)：在每行文本里提取第一个匹配到的体育词汇，flags参数确保不管是大写还是小写的词汇都能被识别（比如示例里的Football会被匹配到）
• 最后转小写是为了让结果和原列表的词汇格式统一，避免出现大小写不一致的情况

如果你的文本里一行可能出现多个体育词汇，想要提取所有匹配项的话，可以把str.extract换成str.findall，然后用str.join把结果拼接成字符串，比如：

df['other'] = df['column_1'].str.findall(pattern, flags=re.IGNORECASE).str.join(', ')
df['other'] = df['other'].str.lower()

这样不管列表里有多少词汇，都能一次性处理完成，再也不用写一堆if语句啦！

内容的提问来源于stack exchange，提问作者Jimmys