Pandas如何提取匹配指定字符串的单元格值及对应列名生成新列

实现代码 #

通用适配版（支持一行多个匹配项） #

import pandas as pd

df = pd.read_excel(r"Test_file")
keywords = ['Chann', 'Midm']

# 预转换全表为字符串，避免重复转换开销
str_df = df.astype(str)
# 生成每个单元格是否匹配关键词的布尔矩阵
match_matrix = str_df.applymap(lambda x: any(key in x for key in keywords))

def parse_row_match(row):
    # 获取当前行所有匹配的列名
    matched_cols = match_matrix.columns[row]
    if not len(matched_cols):
        return ""
    # 多个匹配项用逗号分隔，可按需修改分隔符
    return ",".join([f"{col}||{str_df.loc[row.name, col]}" for col in matched_cols])

df['Match'] = match_matrix.apply(parse_row_match, axis=1)

性能优化版（仅取每行第一个匹配项，适合20万行以上大表提速） #

如果你的表中每行最多只有1个匹配关键词的单元格，用该版本速度提升5-10倍：

import pandas as pd
import numpy as np

df = pd.read_excel(r"Test_file")
keywords = ['Chann', 'Midm']

str_df = df.astype(str)
match_matrix = str_df.applymap(lambda x: any(key in x for key in keywords))
row_has_match = match_matrix.any(axis=1)

# 取每行第一个匹配的列名
df['matched_col'] = match_matrix.idxmax(axis=1).where(row_has_match, "")
# 取对应单元格的值，pandas 2.0+版本可替换为下方注释代码
df['matched_val'] = str_df.lookup(df.index, df['matched_col'])
# 高版本pandas替代方案：
# df['matched_val'] = str_df.reindex(df['matched_col'], axis=1).to_numpy()[np.arange(len(df)), np.arange(len(df))]

# 拼接最终结果
df['Match'] = df.apply(lambda x: f"{x['matched_col']}||{x['matched_val']}" if x['matched_col'] else "", axis=1)
# 删除临时列
df = df.drop(['matched_col', 'matched_val'], axis=1)

原代码问题说明 #

你之前的mask是仅标识行是否有匹配的一维布尔数组，df.loc[mask]返回的是匹配行的全量数据，直接赋值给新列时维度不匹配，因此无法得到单元格内容和对应的列名。上述方案通过先构建全量单元格的匹配矩阵，逐行提取匹配的列名和值完成拼接，符合需求。

内容的提问来源于stack exchange，提问作者ryda