Pandas如何基于期刊标题完全匹配新建Influential标记列

问题原因 #

你之前使用的方法不符合完全匹配的需求：

• str.contains()仅校验字符串是否包含目标子串，没有首尾位置限制，因此包含关键词的非目标条目也会被命中
• str.match()仅校验字符串开头是否匹配目标模式，不限制结尾，同样会匹配到开头符合、整体不符的条目

最优实现方式 #

不需要强制使用正则，pandas内置的isin()方法专门用于完全匹配列表元素的场景，代码更简洁高效：

# 先定义目标期刊列表
target_journals = [
    "Blood", "Cancer", "Chest", "Circulation", "Diabetes", "JAMA",
    "Endocrinology", "Gastroenterology", "Gut", "Medicine", "Neurology",
    "Pediatrics", "Physical therapy", "Radiology", "Surgery", "Geriatrics"
]
# 直接生成Influential列，匹配成功保留期刊名，不匹配则为NaN
df['Influential'] = df['Title'].where(df['Title'].isin(target_journals))

正则实现方案（可选） #

如果需要用正则实现，需要给匹配规则加上开头^和结尾$锚定，确保是完全匹配：

import re
# 构造正则匹配规则，re.escape用于避免期刊名中的特殊字符影响正则逻辑
pattern = r'^(' + '|'.join(re.escape(j) for j in target_journals) + r')$'
# 提取匹配结果
df['Influential'] = df['Title'].str.extract(pattern, expand=False)

两种方法都可以得到你期望的输出结果，优先推荐isin()方案，性能和可读性都更好。

内容的提问来源于stack exchange，提问作者Anakin Skywalker