如何根据动态增减关键词自动过滤Pandas DataFrame

核心逻辑是将关键词统一存储为可动态修改的列表，通过批量生成匹配条件、聚合布尔掩码的方式实现自动适配，无需手动增减&连接的判断语句。

第一步：统一管理关键词 #

将所有基础关键词、特征关键词存储为列表，后续增删关键词只需要修改对应列表内容，不需要改动过滤逻辑代码：

# 基础关键词：命中结果需要同时包含列表内所有关键词，增删直接修改列表
base_keywords = ['tarifa']
# 特征关键词：用于细分过滤的特征词集合，增删直接修改列表
feature_keywords = ['mensual', 'anual']

第二步：封装通用过滤函数 #

封装可复用的关键词过滤函数，自动适配传入的关键词列表长度，自动处理字段空值避免报错：

import numpy as np

def kw_filter(df, target_col, must_contain_list):
    # 逐个生成每个关键词的匹配布尔序列
    match_masks = [
        df[target_col].str.contains(
            kw,
            na=False,  # 空值直接判定为不匹配
            case=False, # 可选：不区分大小写，不需要可删除
            regex=False # 可选：把关键词当普通字符串匹配，避免特殊字符触发正则逻辑，不需要可删除
        )
        for kw in must_contain_list
    ]
    # 对所有匹配条件取逻辑与：必须同时包含列表内所有关键词
    final_mask = np.logical_and.reduce(match_masks)
    return df[final_mask]

第三步：调用方式 #

单组条件过滤 #

直接拼接基础关键词和需要的特征关键词传入函数即可，比如匹配同时包含tarifa和mensual的行：

kw_s = kw_filter(
    df=kw_df,
    target_col='transaction_description',
    must_contain_list=base_keywords + ['mensual']
)

批量生成所有特征词对应的过滤结果 #

如果需要遍历所有特征词、分别生成「基础词+单个特征词」的过滤结果，直接循环特征词列表即可，后续新增/删除特征词不需要修改循环代码：

# 用字典存储所有过滤结果，key为特征词，value为过滤后的DataFrame
all_filter_result = {}
for f_kw in feature_keywords:
    all_kws = base_keywords + [f_kw]
    all_filter_result[f_kw] = kw_filter(kw_df, 'transaction_description', all_kws)

# 调用示例：取匹配anual的结果
kw_s_anual = all_filter_result['anual']

扩展说明 #

• 如果需要「包含任意一个关键词即可命中」的逻辑，只需要把函数里的np.logical_and.reduce替换为np.logical_or.reduce
• 如果需要多层级关键词组合（比如基础词+二级特征词+三级特征词），只需要按规则拼接关键词列表传入函数即可，不需要修改核心过滤逻辑

内容的提问来源于stack exchange，提问作者feruciform