Pandas DataFrame关键词匹配新增列 多匹配取首项并汇总值问题

• 为Pandas DataFrame新增匹配列：基于description列的文本内容，从预定义关键词列表中匹配对应值，若单条文本匹配到多个关键词，仅取文本中第一个出现的匹配关键词填入新列
• 完成新列添加后，按唯一匹配关键词对value列的数值做求和汇总

当前实现无法满足需求的核心原因：

• 用str.findall()会提取单条文本中所有匹配到的关键词，后续转集合再拼接的逻辑既无序，也保留了所有匹配结果，无法实现「仅取首个匹配项」的要求
• 多关键词拼接的字符串会被groupby识别为独立分组，无法得到按单个关键词汇总的正确结果

直接使用Pandas字符串方法的str.extract()即可，该方法默认返回正则匹配到的第一个结果，天然符合「取首个匹配项」的要求，代码更简洁：

import pandas as pd
import re

kw = ['alpha', 'beta', 'theta', 'delta']
data = {
    'description':['This text contains alpha', 'Here are delta & beta', 'It is beta', 'Another Alpha', 'sometimes Theta too', 'One more BETA'],
    'value': [100,200,300,400,500,600]
}
df = pd.DataFrame(data)

# 大小写不敏感匹配文本中第一个出现的关键词
df['keys'] = df['description'].str.extract(fr'({"|".join(kw)})', flags=re.IGNORECASE).str.lower()
print("新增匹配列后的结果：")
print(df, '\n')

# 按关键词对value求和
df_sum = df.groupby('keys', as_index=False)['value'].sum()
print("关键词汇总求和结果：")
print(df_sum)

运行输出如下：

新增匹配列后的结果：
                description  value   keys
0  This text contains alpha    100  alpha
1     Here are delta & beta    200  delta
2                It is beta    300   beta
3             Another Alpha    400  alpha
4       sometimes Theta too    500  theta
5             One more BETA    600   beta 

关键词汇总求和结果：
    keys  value
0  alpha    500
1   beta    900
2  delta    200
3  theta    500

实现说明：

• 正则匹配加re.IGNORECASE标记直接支持大小写不敏感匹配，不需要提前将整列文本转为小写
• str.extract()按文本从左到右的扫描顺序返回第一个命中的关键词，不需要额外编写取首项、去重的逻辑
• 分组时指定as_index=False可以避免把分组列设为索引，输出格式更规整

内容的提问来源于stack exchange，提问作者Roy42