如何在Python中用单个函数处理两个列表生成DataFrame新列

需求 #

• 在DataFrame中新增Effect列，匹配逻辑分两步：
  1. 优先匹配lista中的元素，返回第一个出现的匹配项
  2. 若lista无匹配，则匹配listb中的短语，返回第一个匹配的短语及其后续两个字符串

现有匹配列表 #

lista = ["A", "B", "C", "D"]
listb = ["would not", "use to", "manage to", "when", "did not"]

用户尝试的代码 #

def matcher(Description):
    for i in lista:
        if i in Description:
            return i
    return "Not found"

def matcher(Description):
    for j in listb:
        if j in Description:
            return j + 1
    return "Not found"

df["Effect"] = df.apply(lambda i: matcher(i["Description"]), axis=1)
df["Effect"] = df.apply(lambda j: matcher(j["Description"]), axis=1)

代码问题分析 #

1. 重复定义matcher函数，第二个函数会完全覆盖第一个，导致永远只会执行listb的匹配逻辑，丢失了lista的优先匹配规则
2. return j + 1逻辑错误，这行代码只是把字符串和数字拼接，完全无法实现“返回匹配项及其后两个字符串”的需求
3. 两次对df["Effect"]赋值，会直接覆盖第一次的结果，逻辑完全混乱

修正后的代码 #

def matcher(description):
    # 第一步：优先匹配lista中的元素
    for item in lista:
        if item in description:
            return item
    
    # 第二步：lista无匹配时，处理listb的短语匹配
    for phrase in listb:
        if phrase in description:
            # 将文本按空格分割为单词列表
            words = description.split()
            phrase_words = phrase.split()
            phrase_len = len(phrase_words)
            
            # 遍历找到短语在单词列表中的起始位置
            for idx in range(len(words) - phrase_len + 1):
                if words[idx:idx+phrase_len] == phrase_words:
                    # 截取当前短语及后续最多两个单词，避免索引越界
                    end_pos = min(idx + phrase_len + 2, len(words))
                    return ' '.join(words[idx:end_pos])
    
    # 无任何匹配时返回
    return "Not found"

# 仅需一次赋值即可完成逻辑
df["Effect"] = df.apply(lambda row: matcher(row["Description"]), axis=1)

代码说明 #

• 先执行lista的匹配逻辑，确保优先级
• 处理listb时，通过分割单词列表精准定位短语位置，避免直接字符串截取可能出现的歧义
• 使用min函数处理索引边界，防止文本长度不足时抛出错误
• 仅一次apply赋值，避免结果被覆盖

内容的提问来源于stack exchange，提问作者Victor Leon