Pandas匹配字符串列表加列拆行及str.contains报错解决

报错原因与修复 #

你遇到的报错是因为text列中存在非字符串类型的元素（比如空值、数值、列表等），str.contains只能处理字符串类型的值，首先可以先把text列强制转成字符串解决报错：

# 先统一转字符串，避免非字符串报错
df['text'] = df['text'].astype(str)

不过你写的现有代码只能筛选出包含任意目标水果的行，不能实现匹配到多个水果就拆分多行的需求，完整实现方案如下： #

完整实现代码 #

import pandas as pd

# 示例构造你的原始DataFrame，实际使用时替换成你自己的df即可
df = pd.DataFrame({
    'user': ['Tom', 'Dick', 'Harry'],
    'text': ['I love bananas', 'I love apples', 'I love apples and bananas']
})
fruits = ['apples', 'bananas']

# 步骤1：把text列转字符串，避免非字符串报错
df['text'] = df['text'].astype(str)

# 步骤2：提取每行text中匹配到的所有水果，生成列表列
# 如果水果名称包含./*这类正则特殊字符，可替换为 '|'.join(re.escape(f) for f in fruits)，提前导入re模块即可
df['matched_fruits'] = df['text'].str.findall('|'.join(fruits))

# 步骤3：把匹配到的水果列表拆分成多行，并重命名列
result = df.explode('matched_fruits').rename(columns={'matched_fruits': 'fruits'})

# 可选：过滤掉没有匹配到水果的行
# result = result.dropna(subset=['fruits'])

运行后result就是你要的预期输出：

逻辑说明 #

• 用str.findall代替str.contains：findall会返回每行text中所有匹配到的水果组成的列表，而不是只返回布尔值判断是否包含
• 用explode方法把列表类型的matched_fruits列拆分成多行，每个列表元素对应一行，其他列的值自动复用

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