Python循环批量搜索DataFrame多列关键词失效问题求助

原代码可正确检测每行是否同时包含单词“pool”以及“slide”或“waterslide”：

AR11_regex = r"""
(?=.*(?:slide|waterslide)).*pool
"""
f = lambda x: x.str.findall(AR11_regex, flags= re.VERBOSE|re.IGNORECASE)
d['AR'][AR11] = d['AR'].astype(str).apply(f).any(1).astype(int)

但通过for循环批量处理多个正则模式（如AR11、AR12、AR21）时，生成的新列值全为0，循环代码如下：

for i in AR_list:
    print(i)
    pat = i+"_regex"
    print(pat)
    f = lambda x: x.str.findall(i+"_regex", flags= re.VERBOSE|re.IGNORECASE)
    d['AR'][str(i)] = d['AR'].astype(str).apply(f).any(1).astype(int)

失效原因 #

• 字符串拼接错误：循环中i+"_regex"是把变量i的字符串值和"_regex"拼接成了普通字符串（比如i为"AR11"时，得到字符串"AR11_regex"），而非引用你之前定义的正则变量AR11_regex。正则引擎会把这个字符串当作匹配目标，自然找不到任何匹配，结果全为0。
• 代码中pat = i+"_regex"定义后未使用，属于冗余代码。

修正方案 #

要通过变量名获取对应的正则表达式，不能直接拼字符串。可以用globals()（全局作用域）或locals()（局部作用域）函数根据变量名字符串获取变量值，同时注意lambda的变量绑定问题：

import re

for i in AR_list:
    # 获取对应名称的正则变量
    regex_pattern = globals()[i + "_regex"]
    # 将正则作为默认参数传入lambda，避免循环延迟绑定问题
    f = lambda x, pattern=regex_pattern: x.str.findall(pattern, flags=re.VERBOSE|re.IGNORECASE)
    d['AR'][str(i)] = d['AR'].astype(str).apply(f).any(1).astype(int)

关键注意点 #

• 若正则变量定义在局部作用域，将globals()替换为locals()。
• 必须把pattern作为lambda的默认参数传入，否则所有lambda会共享循环最后一次的regex_pattern值，导致匹配结果错误。

内容的提问来源于stack exchange，提问作者KumaKuma