如何从pandas DataFrame列中提取匹配指定列表的首个关键词？

原代码问题根源 #

• 多结果返回：原逻辑会提取所有匹配到的关键词并拼接，没有做首个匹配的截断逻辑
• 短语/末尾匹配失败：两个原因：一是对title做了按空格切分的操作，多词组成的关键词（比如Deep learning）不可能匹配到单个切分词；二是没有统一大小写，列表关键词和title的大小写差异也会导致匹配失败，切分操作也会导致末尾带标点的关键词匹配失败。

修改后代码 #

mi_lista = ['Automata', 'Pearls', 'Deep learning', 'Patterns']
# 预生成小写关键词列表，用于大小写不敏感匹配
lower_kw = [kw.lower() for kw in mi_lista]

def match_first_keyword(title):
    title_lower = title.lower()
    # 按列表顺序遍历，找到第一个匹配项直接返回
    for i, kw in enumerate(lower_kw):
        if kw in title_lower:
            return mi_lista[i]
    # 无匹配时返回空字符串，可按需调整为None等默认值
    return ''

# 插入新列
df.insert(1, "list", df['title'].apply(match_first_keyword), True)

逻辑说明 #

1. 匹配优先级完全遵循mi_lista的关键词排序，排在前面的关键词会优先被匹配，可通过调整列表顺序自定义优先级
2. 不再拆分title字符串，直接判断完整关键词是否存在，支持多词短语匹配、任意位置的关键词匹配（包括开头、中间、末尾）
3. 统一转换为小写匹配，避免大小写差异导致的匹配失败，返回结果保留mi_lista中关键词的原大小写格式

内容的提问来源于stack exchange，提问作者ivanTenryu