如何从Python Pandas DataFrame的文本列中匹配提取指定列表关键词

已知条件 #

• 待匹配的带空格关键词列表：

lst = ["apple pie", "chocolate shakes", "orange juice"]

• 待处理DataFrame包含Explanation文本列，样例结构：

• 目标：新增Explanation Extracted列，存储每条文本中匹配到的列表内关键词，最终效果：

代码实现 #

因为关键词本身包含空格，不能用常规分词后比对的方式，直接用正则做整词匹配是最稳妥的方案，同时兼容关键词存在包含关系的场景：

import re
import pandas as pd

# 1. 预处理关键词：按长度倒序，避免短词优先匹配截断长词；转义特殊正则字符
keywords = sorted(lst, key=lambda x: len(x), reverse=True)
match_pattern = re.compile(
    r"\b(" + "|".join(map(re.escape, keywords)) + r")\b"
)

# 2. 示例数据构造（使用自有现有df可跳过这步）
df = pd.DataFrame(
    {
        "Explanation": [
            "apple pie is my favorite dessert",
            "I love chocolate. But I love chocolate shakes more.",
            "she is allergic to orange juice"
        ]
    },
    index=["a", "b", "c"]
)

# 3. 批量提取匹配结果
df["Explanation Extracted"] = df["Explanation"].apply(
    lambda text: match_pattern.search(text).group() if match_pattern.search(text) else None
)

细节说明 #

• 正则里加\b单词边界，是为了避免误匹配单词片段，比如不会把apple pies里的apple pie当成匹配结果
• 关键词按长度倒序排序，是为了处理关键词存在包含关系的场景——比如如果列表里同时有chocolate和chocolate shakes，会优先匹配更长的完整关键词，不会只匹配到短词
• 如果单条文本可能命中多个关键词，把search替换为findall即可，提取结果会以列表形式存储所有命中的关键词：

# 多关键词命中场景的写法
df["Explanation Extracted"] = df["Explanation"].apply(
    lambda text: match_pattern.findall(text)
)

运行后打印df即可得到目标结果。

内容的提问来源于stack exchange，提问作者ehkhacha