Python中如何用text.find实现多子串搜索？DataFrame处理遇问题

问题根源 #

你代码里用text.find('bachelor|ba/bs|bs/ba')的问题在于：str.find()不支持正则表达式的管道符|——它会把整个带|的字符串当成一个完整的子串去搜索，而你的招聘文本里显然不会有"bachelor|ba/bs|bs/ba"这种内容，所以每次都返回-1，最终生成全0的列。

修复方案 #

给你三种可行的修复方式，按需选择：

1. 正则表达式匹配（推荐，支持灵活匹配）

用Python的re模块做正则匹配，支持同时检测多个关键词，还能忽略大小写（适配不同写法的学历表述）：

import re

def requires_bachelor(text):    
    # re.search找到任意一个匹配就返回结果，IGNORECASE忽略大小写
    if re.search(r'bachelor|ba/bs|bs/ba', text, flags=re.IGNORECASE):
        return True
    return False

df_jobs['bachelor'] = df_jobs['description'].apply(requires_bachelor).map({True:1, False:0})

2. 逐个检查子串（无需正则）

如果不想用正则，直接遍历关键词列表，检查是否有任意一个出现在文本中：

def requires_bachelor(text):    
    keywords = ['bachelor', 'ba/bs', 'bs/ba']
    # 转小写后匹配，避免大小写遗漏
    return any(keyword in text.lower() for keyword in keywords)

# 直接把布尔值转成整数0/1
df_jobs['bachelor'] = df_jobs['description'].apply(requires_bachelor).astype(int)

3. Pandas内置方法（最简洁高效）

Pandas的str.contains()专门处理字符串列的匹配，比apply()效率更高，代码更短：

import re

# case=False忽略大小写，na=False处理空值（避免生成NaN）
df_jobs['bachelor'] = df_jobs['description'].str.contains(
    r'bachelor|ba/bs|bs/ba', 
    case=False, 
    na=False
).astype(int)

内容的提问来源于stack exchange，提问作者isa_r