如何使用pandas筛选字符串列包含所有指定关键词（顺序不限不区分大小写）的行

示例数据 #

import pandas as pd
import re

BabyDataSet = [
    ('Bob and martin and Andrew', 968),
    ('Jessica and julia and anthony', 155),
    ('Mary and john', 77),
    ('John', 578),
    ('Mel and diana', 973),
    ('martin bob diana and Andrew', 968)
]

a = pd.DataFrame(data=BabyDataSet, columns=['Names', 'Births'])

需求为筛选Names列包含查询字符串martin andrew bob中所有单词的行，匹配不区分大小写、不要求单词顺序。

方案1：正则正向预查（推荐，性能更高） #

利用正则的正向肯定预查特性，无需循环叠加掩码即可完成筛选：

query_str = "martin andrew bob"
# 构造匹配所有单词的正则模式
pattern = r'(?i)' + ''.join([rf'(?=.*\b{re.escape(word)}\b)' for word in query_str.split()])
# 执行筛选
result = a[a['Names'].str.contains(pattern, regex=True)]

说明： #

• (?i)是正则内置标志，表示匹配过程不区分大小写
• (?=.*\b{word}\b)为正向肯定预查，要求字符串中必须存在完整的目标单词；\b是单词边界，避免误匹配包含目标单词的更长单词（如不会把bobby识别为匹配bob）
• re.escape会自动转义单词中包含的正则特殊字符，避免语法报错

方案2：apply+all（更直观易懂） #

如果对正则不熟悉，可使用apply配合all函数实现，逻辑更直白：

query_str = "martin andrew bob"
# 拆分查询词统一转小写
query_words = [word.lower() for word in query_str.split()]
# 逐行判断是否包含所有查询词
result = a[a['Names'].apply(lambda x: all(word in x.lower() for word in query_words))]

说明： #

该方案逻辑清晰，适合小数据集使用，大数据集下性能略低于正则方案。

两种方案筛选结果一致，输出如下：

Names  Births
0      Bob and martin and Andrew     968
5    martin bob diana and Andrew     968

内容的提问来源于stack exchange，提问作者JFerro