如何使用Python pandas查找含指定关键词的文本并从数据集中移除对应行

你原有代码存在两处问题：

1. str.match() 为从字符串起始位置匹配，若要匹配字段任意位置包含目标内容的行，需改用str.contains()
2. drop()方法不能直接传入筛选得到的DataFrame对象，需要传入匹配行的索引值

完整实现代码 #

1. 构造匹配规则（同步处理空值避免报错） #

# 匹配规则可根据需求调整：示例为Aspect列包含product quality、且Sentence列包含指定关键词
# 如果仅需要筛选Review列的关键词，修改对应的列名和匹配规则即可
mask = (
    data['Aspect'].str.contains("product quality", na=False) 
    & data['Sentence'].str.contains("nice|good|great|best", na=False)
)

2. 提取匹配到的完整评论文本行 #

# 得到所有符合条件的完整行数据
matched_data = data[mask]
# 如果仅需要提取评论文本内容，使用下行即可
# matched_reviews = data.loc[mask, 'Sentence']

3. 从原数据集删除匹配行 #

两种实现方式二选一即可：

• 方法1：使用drop方法删除

data.drop(matched_data.index, inplace=True)

• 方法2：直接取反筛选赋值，写法更简洁

data = data[~mask]

可选参数说明 #

• 如需不区分大小写匹配关键词，可在str.contains()中添加case=False参数
• 如果关键词包含特殊正则符号，可添加regex=False参数关闭正则匹配

内容的提问来源于stack exchange，提问作者Ashish Jaimon