如何用pandas筛选包含指定字符串列表元素的行并新增匹配字段

import pandas as pd
import re

# 1. 构造示例数据
df = pd.DataFrame({
    'id': [1, 2, 3, 4],
    'value': [
        'The grapefruit is delicious! But the pear tastes awful.',
        'I am a big fan of apple products',
        'The quick brown fox jumps over the lazy dog',
        'An apple a day keeps the doctor away'
    ]
})

# 2. 定义待匹配的字符串列表
strings = ['apple', 'pear', 'grapefruit']

# 3. 构造正则匹配模式，用re.escape避免字符串中的正则特殊字符影响匹配结果
pattern = '|'.join(re.escape(s) for s in strings)

# 4. 提取每行所有匹配的子串，拼接为逗号分隔的字符串
df['value contains substrings:'] = df['value'].str.findall(pattern).apply(', '.join)

# 5. 筛选出有匹配结果的行，重置索引
result = df[df['value contains substrings:'] != ''].reset_index(drop=True)

print(result)

代码说明 #

• str.findall(pattern) 会返回每行中所有符合匹配规则的子串组成的列表，没有匹配就返回空列表。如果需要忽略大小写匹配，可以增加参数flags=re.IGNORECASE
• apply(', '.join) 把匹配到的列表转为逗号分隔的字符串格式，和你需要的输出结构对齐
• 最后一步过滤掉没有任何匹配的行，就得到最终结果
  运行上述代码输出的result和你给出的目标结构完全一致。

内容的提问来源于stack exchange，提问作者NAShern