Pandas：筛选匹配指定字符串的行并创建含匹配词的新列

嘿，我来帮你搞定这个Pandas的需求！你需要筛选出text列包含指定词汇的行，同时把匹配到的词汇提取到新的found列里对吧？下面是具体的实现步骤，我会尽量讲得清晰易懂：

1. 先准备好数据和目标词汇 #

首先咱们把你给出的示例数据（包括期望输出里的对应行）转换成DataFrame：

import pandas as pd

# 构建原始DataFrame
data = {
    'id': ['a', 'b', 'c', 'd', 'e'],
    'text': [
        'simultaneous there the',
        'simultaneous there',
        'mul why',
        'have the',
        'then the late'
    ]
}
df = pd.DataFrame(data)

# 指定要匹配的词汇列表
target_words = ["mul","the","have", "then"]

2. 写个小函数提取匹配的词汇 #

我们需要一个函数来检查每行文本里包含哪些目标词汇，然后把它们用逗号连起来：

def get_matched_words(text, target_list):
    # 把文本拆成单个单词（这里按空格拆分，要是有标点的话可以用正则优化）
    text_words = text.split()
    # 找出文本和目标列表的交集词汇
    matched = [word for word in target_list if word in text_words]
    # 有匹配就返回逗号分隔的字符串，没有就返回空
    return ', '.join(matched) if matched else ''

3. 应用函数创建列并筛选结果 #

接下来把这个函数应用到text列，生成found列，然后筛选出有匹配结果的行（要是不需要筛选，直接跳过筛选步骤就行）：

# 创建found列
df['found'] = df['text'].apply(lambda x: get_matched_words(x, target_words))

# 筛选出有匹配的行
filtered_df = df[df['found'] != ''].reset_index(drop=True)

# 把索引改成从1开始（和你的期望输出一致）
filtered_df.index = filtered_df.index + 1

最终得到的结果 #

运行完上面的代码，filtered_df就是你想要的结果啦：

一些小提示 #

• 如果你的文本里带有标点（比如"then,"这种），按空格拆分的方法会匹配不到，这时候可以用正则来提取纯单词，比如import re之后用text_words = re.findall(r'\b\w+\b', text)来获取单词。
• 要是需要不区分大小写的匹配，就把文本和目标词汇都转成小写，比如text_words = [word.lower() for word in text.split()]，同时target_list = [word.lower() for word in target_list]。

内容的提问来源于stack exchange，提问作者TRINADH NAGUBADI