如何提取pandas列中匹配指定列表的词汇并生成对应新列

实现代码 #

import pandas as pd
import numpy as np
import re

listing  = ['test', 'big']
df = pd.DataFrame({'Title':['small test','huge Test', 'big','nothing', np.nan, 'a', 'b']})

# 构造Test_Flag列
df['Test_Flag'] = df['Title'].str.extract(
    pat=f'({"|".join(listing)})',
    flags=re.IGNORECASE,
    expand=False
).str.lower().fillna('')

print(df)

代码说明 #

• str.extract()：从Title列的字符串中捕获符合正则规则的内容，flags=re.IGNORECASE实现不区分大小写匹配
• expand=False：指定返回Series格式，可直接赋值给新列
• str.lower()：将捕获到的内容统一转为小写，和预定义listing的词汇格式保持一致
• fillna('')：将无匹配、原字段为NaN的结果统一替换为空字符串，符合输出要求

如果单条Title存在多个匹配词汇，上述代码默认返回第一个匹配项，如需返回所有匹配项可将str.extract替换为str.findall，再根据需要做格式调整

运行结果 #

Title Test_Flag
0  small test      test
1   huge Test      test
2         big       big
3     nothing          
4         NaN          
5           a          
6           b          

内容的提问来源于stack exchange，提问作者Giacomo F