如何使用pandas提取含指定关键词的行并导出为CSV文件

你原有代码的核心错误在判断条件any(df['text'][i] for x in keywords)：这行代码根本没有执行关键词和文本的匹配逻辑，只要当前行的text字段不是空值，判断结果就为True，最终会把所有非空的短信行全部存入结果，自然和预期不符。另外手动写for循环逐行遍历的写法效率极低，数据量稍大时运行速度会非常慢，pandas本身提供了专门的字符串向量化处理方法，完全不需要手写循环。

import pandas as pd

# 待匹配的关键词列表
keywords = ["SBI", "HDFC", "Canara", "HSBC", "KTK"]
# 读取原始短信数据集
df = pd.read_csv("SMS.csv", sep=",")

# 拼接关键词为正则匹配规则，|代表匹配任意一个关键词
match_rule = "|".join(keywords)
# 筛选text列包含任意关键词的行，na=False代表空值直接判定为不匹配，避免报错
# 如果需要不区分大小写匹配，可在str.contains里加参数case=False
matched_result = df[df["text"].str.contains(match_rule, na=False)]

# 如果需要保留原表所有列，直接导出matched_result即可
# 如果像你原代码那样只需要提取文本列、重命名为senderAddress，就替换成下面这行
# matched_result = matched_result[["text"]].rename(columns={"text": "senderAddress"})

# 导出为新CSV文件
matched_result.to_csv("new_data.csv", index=False)

• 不要用逐行for循环处理pandas数据，内置的向量化方法代码更简洁、运行速度快几个量级，也不容易写错逻辑
• 如果需要精确匹配整词、避免部分字符串误匹配（比如不想匹配到包含"SBI"的其他长单词），可以给匹配规则加单词边界，改成match_rule = r"\b(" + "|".join(keywords) + r")\b"即可
• 导出前可以先打印matched_result.head()看前几行结果，确认匹配逻辑符合要求再导出文件

内容的提问来源于stack exchange，提问作者Bala Murali