如何用特征列表过滤含字符串描述列的DataFrame？

你有一个包含长字符串的description列的DataFrame，手动编写多个str.contains的或条件能得到正确结果，但尝试用特征列表循环实现时返回空DataFrame，需要更简洁的实现方式。

手动有效代码：

filter_df = df.loc[(((df['description'].str.contains('estudio', case=False, regex=True, na=False)) | (df['description'].str.contains('family', case=False, regex=True, na=False))) | (df['description'].str.contains('family room', case=False, regex=True, na=False))) | (df['description'].str.contains('estar familiar', case=False, regex=True, na=False))]

特征列表：

feature_list = [ 'Estudio' , 'Family room' , 'Estar familiar' , 'Walking Closet' , 'Walk-in Closet' ,'Walk in closet' , 'Walkin closet' , 'Walkin clóset' , 'Walk in Clóset', 'Walk-in Clóset', 'Walking Clóset']

错误原因分析 #

你之前的代码存在以下问题：

• 循环中每次重新赋值filter_df，仅保留当前特征的过滤结果，未合并所有符合条件的行；
• 参考方案未返回过滤后的DataFrame，且未添加na=False参数，导致NaN值干扰条件判断；
• 未处理特征中的正则特殊字符（如Walk-in中的-），可能导致匹配失效。

解决方案 #

方法一：正则表达式合并特征（高效推荐）

利用str.contains支持正则的特性，将所有特征转义后用|拼接，一次完成所有特征的匹配：

import re
import pandas as pd

feature_list = [ 'Estudio' , 'Family room' , 'Estar familiar' , 'Walking Closet' , 'Walk-in Closet' ,'Walk in closet' , 'Walkin closet' , 'Walkin clóset' , 'Walk in Clóset', 'Walk-in Clóset', 'Walking Clóset']

# 转义每个特征，避免正则特殊字符干扰，拼接成OR逻辑的正则表达式
pattern = '|'.join(re.escape(f) for f in feature_list)

# 执行过滤，参数与手动代码保持一致
filter_df = df.loc[df['description'].str.contains(pattern, case=False, regex=True, na=False)]

方法二：循环构建布尔条件（兼容复杂场景）

初始化全False的布尔序列，循环累加匹配条件：

import pandas as pd

feature_list = [ 'Estudio' , 'Family room' , 'Estar familiar' , 'Walking Closet' , 'Walk-in Closet' ,'Walk in closet' , 'Walkin closet' , 'Walkin clóset' , 'Walk in Clóset', 'Walk-in Clóset', 'Walking Clóset']

# 初始化与DataFrame长度一致的全False条件序列
conditions = pd.Series([False] * len(df), index=df.index)

for f in feature_list:
    # 累加匹配条件，用|=实现逻辑或
    conditions |= df['description'].str.contains(f, case=False, regex=True, na=False)

# 过滤得到结果
filter_df = df.loc[conditions]

说明 #

• re.escape用于处理特征中的正则特殊字符（如-、.等），确保按字面量匹配；
• na=False参数将NaN值视为不匹配，避免干扰过滤结果；
• 方法一仅需一次字符串匹配，性能优于循环多次匹配，适合大数据量场景。

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