如何用搜索词列表筛选含术语列表的DataFrame行？

需要筛选DataFrame，判断每行的术语列表是否包含filter_by中的任意一个术语，保留满足OR条件的行。已尝试将每行转为字符串用str.contains("|".join(filter_by))、apply()自定义函数，但希望找到简洁且可向量化的解决方案。

示例数据 #

搜索词列表：

filter_by = ["CSV", "JPG", "TXT"]

目标DataFrame：

import pandas as pd
df = pd.DataFrame({
    "data": [
        ["JPG", "XML", "PDF", "TXT", "XLS", "XLSX"],
        ["XLS", "JPG", "PDF", "XLSX"],
        ["JPG", "PDF", "TXT"],
        ["XLS", "PDF", "XML", "JPG"],
        ["CSV"],
        ["PDF", "TXT", "XLS"],
        ["XML"],
        ["JPG"],
        ["PDF", "CSV", "XML", "XLS", "TXT", "JPG"],
        ["TXT", "CSV", "XLS", "XLSX", "PDF", "JPG"]
    ]
})

注：df[df.data.isin(filter_by)]和.query()无法解决此问题——前者判断的是整个列表是否完全匹配搜索词，而非列表包含任意搜索词；后者无直接处理列表包含逻辑的语法。

方案1：explode + 分组判断 #

利用explode将每行的列表拆分为多行，结合isin判断匹配，最后按原行分组确认是否存在任意匹配项：

# 生成匹配掩码
mask = df['data'].explode().isin(filter_by).groupby(level=0).any()
# 筛选结果
result = df[mask]

方案2：str.get_dummies + 列求和 #

将列表转为分隔字符串后生成哑变量矩阵，对目标搜索词列求和，判断是否存在匹配：

# 生成哑变量矩阵
dummies = df['data'].str.join('|').str.get_dummies(sep='|')
# 生成匹配掩码：只要搜索词列有任意一个为1，求和结果>0
mask = dummies[filter_by].sum(axis=1) > 0
# 筛选结果
result = df[mask]

两种方案均为向量化操作，避免了apply自定义函数的循环开销，处理大数据集时效率更优。

内容的提问来源于stack exchange，提问作者petezurich