在字符串列中匹配字典键并填充对应值的Python技术问询

我有一个键值对字典，还有一个包含字符串列的Pandas DataFrame，该列的字符串里包含字典的各类键。我想在DataFrame的相邻列中填充对应键的取值。

示例代码：

my_dict = {'elon' : 'is awesome', 'jeff' : 'is not so awesome, but hes ok, ig', 'mustard' : 'is gross', 'pigs' : 'can fly'}

import pandas as pd
import numpy as np
df = pd.DataFrame({
    'Name (Key)' : ['elon musk', 'jeff bezos and elon musk', 'jeff bezos', 'she bought mustard for elon'], 
    'Corresponding Value(s)' : [np.nan, np.nan, np.nan, np.nan]
})

期望输出：

pd.DataFrame({
    'Name (Key)' : ['elon musk', 'jeff bezos and elon musk', 'jeff bezos', 'she bought mustard for elon'], 
    'Corresponding Value(s)' : [
        ['is awesome'], 
        ['is not so awesome, but hes ok, ig', 'is awesome'], 
        ['is not so awesome, but hes ok, ig'], 
        ['is gross', 'is awesome']
    ]
})

我是Python新手，猜测可能会用到apply函数或者map()，用if语句可行吗？有没有更优的实现方式？

方法1：apply遍历每行（新手友好） #

逻辑直观，适合新手理解：定义函数处理每行数据，遍历字典的键，判断键是否在当前行字符串中，收集对应值。

def get_matching_values(row):
    text = row['Name (Key)']
    matching_vals = []
    for key, value in my_dict.items():
        if key in text:
            matching_vals.append(value)
    return matching_vals

# 对每行应用函数，填充目标列
df['Corresponding Value(s)'] = df.apply(get_matching_values, axis=1)

方法2：列表推导式（更简洁高效） #

用列表推导替代apply，减少冗余代码，性能更优（尤其数据量大时）：

df['Corresponding Value(s)'] = [
    [my_dict[key] for key in my_dict if key in text]
    for text in df['Name (Key)']
]

关于你提到的工具说明 #

• if语句完全可行：上面两种方法都用if判断筛选匹配的键，这是核心逻辑。
• map()不适合这个场景：map是一对一映射工具，只能给每个输入返回单个值，但你的需求是一个字符串可能对应多个值，无法直接满足。

内容的提问来源于stack exchange，提问作者user20234548