如何在Python Pandas中实现类似SQL LIKE %的任意顺序姓名匹配？

问题分析 #

你的原代码用str.contains(search)只能匹配连续的字符串片段，所以输入非连续的姓名部分（比如MICHAEL JACKSON）时，因为姓名中间夹了JOSEPH，连续匹配就失效了。要实现类似SQL里LIKE %MICHAEL% AND LIKE %JACKSON%的任意顺序匹配，得拆分关键词逐一验证。

具体实现步骤 #

• 拆分搜索关键词：把用户输入的姓名按空格拆成独立的关键词列表，过滤掉可能的空字符串
• 生成匹配掩码：对每个关键词，生成布尔序列标记该行姓名是否包含这个关键词
• 合并掩码：用逻辑与（&）把所有关键词的掩码合并，只保留所有关键词都匹配的行
• 结果判断：根据合并后的结果输出匹配状态

改进后的代码 #

import pandas as pd

# 处理输入：拆分关键词并统一大小写（避免大小写敏感问题）
search_input = input('enter your name').strip().upper()
keywords = [kw for kw in search_input.split() if kw]

df1 = pd.read_excel('base.xlsx')
# 把姓名列也转成大写，和输入统一规则
name_col = df1['.NAME.'].str.upper()

# 生成所有关键词的匹配掩码
match_mask = pd.Series([True]*len(df1))
for kw in keywords:
    # case=False可以忽略大小写，na=False处理空值避免报错
    match_mask &= name_col.str.contains(kw, case=False, na=False)

# 获取所有匹配的行
matched_rows = df1[match_mask]

# 输出结果
if not matched_rows.empty:
    print('FOUND')
    # 如果需要查看匹配的具体内容，取消下面的注释
    # print(matched_rows)
else:
    print('NOT FOUND.')

代码说明 #

• 大小写统一：通过upper()把输入和姓名列转成大写，避免因为大小写差异漏匹配，也可以直接在str.contains里设case=False实现忽略大小写
• 性能优化：放弃原代码里的iterrows遍历，用Pandas的向量化操作处理，效率更高
• 空值处理：na=False确保遇到空姓名时不会抛出异常，直接标记为不匹配

扩展：支持模糊匹配（可选） #

如果需要允许关键词有轻微拼写误差，可以用fuzzywuzzy库实现模糊匹配，先安装依赖：pip install fuzzywuzzy python-Levenshtein，示例代码如下：

from fuzzywuzzy import fuzz

def fuzzy_match(name, keywords, threshold=80):
    # 阈值可以调整，越高匹配越严格
    for kw in keywords:
        if fuzz.partial_ratio(name.upper(), kw) < threshold:
            return False
    return True

# 用apply生成匹配掩码
match_mask = df1['.NAME.'].apply(lambda x: fuzzy_match(x, keywords))

内容的提问来源于stack exchange，提问作者Victor