如何在Pandas中匹配DataFrame文本列指定词汇并生成匹配列？

核心思路 #

要实现精确匹配完整单词并提取对应词汇，需要用正则表达式结合str.extract方法——它能从文本中抓取符合规则的内容，而不是只判断是否存在。

具体实现代码 #

import pandas as pd

# 初始化你的两个DataFrame
df_dictionary = pd.DataFrame({'good': ['love', 'like'],
                    'bad': ['dislike', 'hate']})
df_text = pd.DataFrame({'col1': ['i love cats', 'i hate dogs']})

# 生成匹配完整单词的正则表达式（\b确保匹配独立单词，避免部分匹配）
good_words = df_dictionary['good'].dropna().tolist()
good_regex = fr"\b({'|'.join(good_words)})\b"

bad_words = df_dictionary['bad'].dropna().tolist()
bad_regex = fr"\b({'|'.join(bad_words)})\b"

# 提取匹配的词汇到新列，空匹配用空字符串填充
df_text['string_match_good'] = df_text['col1'].str.extract(good_regex, expand=False).fillna('')
df_text['string_match_bad'] = df_text['col1'].str.extract(bad_regex, expand=False).fillna('')

最终效果 #

运行后df_text的结构完全符合需求：

关键细节说明 #

• \b是正则的单词边界，确保只匹配独立的完整单词，比如不会把loved误识别为love
• dropna()处理字典中可能存在的空值，避免正则表达式出错
• 如果一行有多个同类型匹配词汇，可改用str.findall再拼接，比如df_text['col1'].str.findall(good_regex).str.join(', ')

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