基于指定列表统计Pandas DataFrame列值的模糊匹配命中次数

• 统一大小写消除匹配差异：将搜索历史列表的所有元素、TYPE列的所有取值全部转换为小写，避免大小写敏感导致的匹配遗漏
• 逐行统计命中次数：对每个TYPE取值，遍历处理后的搜索历史列表，统计有多少个搜索词是该TYPE小写值的子字符串，累计结果即为该品类的命中次数
• 结果落地：将统计得到的命中次数作为新列写入原始DataFrame，方便后续查看和使用

import pandas as pd

# 构造示例DataFrame
ratings_dict = {
    "TYPE": ["Testing","Headphone","Iphone","AC","Laptop","Monitor"],
}
df = pd.DataFrame(ratings_dict)

# 给定搜索历史列表
Search_history=['test','phone','lap','testing','tes','iphone','Headphone','head','Monitor','ac']

# 预处理：将所有搜索词转为小写
search_lower = [kw.lower() for kw in Search_history]

# 逐行统计每个TYPE的命中次数
df['hit_count'] = df['TYPE'].apply(lambda type_val: sum(1 for kw in search_lower if kw in type_val.lower()))

# 输出结果
print(df)

TYPE  hit_count
0    Testing          3
1  Headphone          3
2     Iphone          2
3         AC          1
4     Laptop          1
5    Monitor          1

内容的提问来源于stack exchange，提问作者Mahipal Singh