如何基于字典匹配DataFrame列字符串首个关键词生成新列

提供两种常用实现方案，可根据实际数据量和匹配需求选择： #

方案1：正则提取+字典映射（推荐，性能更高） #

适合数据量较大的场景，通过预编译正则批量提取第一个匹配的key，再映射为对应value：

import pandas as pd
import re

# 示例数据构造
dictionary = {'dog':'yellow', 'cat':'black', 'frog':'green', 'horse':'brown'}
df = pd.DataFrame({
    'ColA': [
        'The dog and horse ate food',
        'Where is the frog?',
        'horse and cat and frog walked together'
    ]
})

# 编译正则匹配模式，按key长度倒序排序避免短key优先匹配的问题
pattern = re.compile('|'.join(sorted(dictionary.keys(), key=len, reverse=True)))
# 可选优化：需要全单词匹配时加上边界符\b，避免部分匹配错误
# pattern = re.compile(r'\b(' + '|'.join(sorted(dictionary.keys(), key=len, reverse=True)) + r')\b')

# 提取第一个匹配的key，映射为字典value赋值给新列
df['ColB'] = df['ColA'].str.extract(f'({pattern.pattern})', expand=False).map(dictionary)

方案2：自定义函数遍历匹配（灵活度更高） #

适合需要自定义匹配规则的场景，可灵活调整分词、匹配逻辑：

def get_first_match(text):
    # 拆分所有单词（自动过滤标点）
    words = re.findall(r'\w+', text)
    for word in words:
        if word in dictionary:
            return dictionary[word]
    # 无匹配时返回默认值，可根据需求修改
    return None

df['ColB'] = df['ColA'].apply(get_first_match)

两种方案运行后得到的结果和预期输出完全一致。

内容的提问来源于stack exchange，提问作者dmd7