Pandas如何根据字典匹配DataFrame多值列提取对应分类

• 目标DataFrame为df1，包含ID、item两列：
  • item列的多个物品名以¥符号分隔，示例取值：chair、desk¥blue chair、bed¥pen¥cable
• 物品分类映射字典item_dict从CSV读取，存储物品名到分类的对应关系，示例映射：chair对应furniture、mug对应tableware
• 需求：在df1中新增category列，逐行提取当前行item里所有能匹配到字典的物品对应的分类，多个分类用逗号分隔，无匹配项则留空
• 已尝试方案的缺陷：
  • 执行df1['category'] = df1['item'].replace(item_dict)仅能正确处理仅含单个物品的行
  • 增加regex=True参数后可处理多物品行，但会出现子串误匹配问题，比如将desk¥blue chair错误替换为desk¥blue furniture，无法实现“仅保留匹配分类、剔除未匹配物品名”的预期效果

不要直接用整列正则替换，先按分隔符拆分每行的物品为独立元素，再逐个做精确字典匹配，最后拼接分类结果即可，完全避免子串匹配错误：

def get_matched_categories(item_str, category_map):
    # 按¥拆分得到单个物品列表，自动去除首尾空格避免格式干扰
    items = [i.strip() for i in item_str.split('¥')]
    # 遍历物品，收集所有存在映射的分类
    matched = [category_map[item] for item in items if item in category_map]
    # 用逗号拼接分类，无匹配时返回空字符串
    return ','.join(matched)

# 逐行应用函数生成category列
df1['category'] = df1['item'].apply(lambda x: get_matched_categories(x, item_dict))

• 先按¥拆分字符串的逻辑，保证每个匹配单元是完整的物品名，从根源上避免短词子串误匹配的问题
• 字典精确匹配仅返回命中的分类，自动过滤未匹配到的物品，完全符合输出要求
• 若需要对重复分类去重且不要求保留原有顺序，可将匹配逻辑改为list(set([category_map[item] for item in items if item in category_map]))；需要保序去重可以追加遍历判重的逻辑。

内容的提问来源于stack exchange，提问作者illien