如何利用含百余个关键词的DataFrame实现Python的.str.contains匹配？

核心思路 #

不用手动拼接关键词，直接把DF2里的关键词列自动转成str.contains能识别的正则表达式（用竖线|分隔多个关键词）就行。

代码实现 #

先明确两个DataFrame的列名：

• DF1里要匹配的目标列叫target_col（对应你示例里的month）
• DF2里存关键词的列叫keywords

情况1：关键词里没有正则特殊字符（比如. * + ?这类）

直接拼接即可：

# 提取DF2的关键词，去掉空值后拼成正则串
pattern = '|'.join(df2['keywords'].dropna().astype(str))
# 在DF1里筛选包含任意关键词的行
matched_rows = df1[df1['target_col'].str.contains(pattern)]
# 如果需要忽略大小写，加case=False参数：
# matched_rows = df1[df1['target_col'].str.contains(pattern, case=False)]

情况2：关键词里有正则特殊字符

要是关键词里带.、*这类正则元字符（比如关键词是Jan.，直接拼会匹配Jan加任意字符），得先把这些字符转义：

import re

# 逐个转义关键词里的正则特殊字符
escaped_keywords = [re.escape(key) for key in df2['keywords'].dropna().astype(str)]
# 拼成正则串
pattern = '|'.join(escaped_keywords)
# 执行匹配
matched_rows = df1[df1['target_col'].str.contains(pattern)]

注意点 #

• dropna()必须加，不然DF2里的空值会导致正则串出问题
• astype(str)是为了确保所有关键词都是字符串类型，避免报错
• 要不要加case=False看你需求，需要区分大小写就去掉这个参数

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