pandas如何实现df列与列表字符串的精确匹配提取

问题复现 #

需求为提取DataFrame的Product列中与指定列表精确匹配的字符串，初始实现代码如下：

my_list = ['Lys', 'Lysol', 'Cla', 'Clarins']

def test(row):
   for i in my_list:
      if i in row['Product']:
         return i
      else:
         return row['Product']

df['Exact_match'] = df.apply(test, axis=1)

运行后输出不符合预期：

期望输出为：

原代码问题点 #

• 循环逻辑错误：return语句写在单次循环的else分支中，遍历第一个关键词如果未命中就直接返回原Product值，不会继续遍历列表后续项，直接导致排在列表后面的Clarins等关键词无法被匹配
• 匹配优先级错误：未对关键词按长度排序，短词优先遍历，导致Lys作为Lysol的子串被优先命中，出现短词覆盖长词的误匹配

修复方案 #

方案1：适配当前场景的子串匹配 #

先将关键词列表按字符串长度从长到短排序，保证长词优先匹配；移除循环内的else分支，遍历完所有关键词都未命中时再返回原字段值：

# 关键词按长度降序排序，长词优先匹配
sorted_keywords = sorted(my_list, key=len, reverse=True)

def get_exact_match(row):
    product = row['Product']
    for kw in sorted_keywords:
        if kw in product:
            return kw
    # 所有关键词均未命中时返回原值
    return product

df['Exact_match'] = df.apply(get_exact_match, axis=1)

方案2：严格独立词匹配（避免子串误判） #

如果需要避免非独立词的子串误判（比如产品名包含Lysabc时不应该匹配到Lys），可以结合正则词边界做严格的独立词校验：

import re

sorted_keywords = sorted(my_list, key=len, reverse=True)

def get_exact_word_match(row):
    product = row['Product']
    for kw in sorted_keywords:
        # 匹配前后为词边界的独立关键词，re.escape处理关键词中可能存在的特殊正则字符
        if re.search(rf'\b{re.escape(kw)}\b', product):
            return kw
    return product

df['Exact_match'] = df.apply(get_exact_word_match, axis=1)

运行上述代码即可得到符合预期的匹配结果。

内容的提问来源于stack exchange，提问作者Loki