Pandas如何筛选DataFrame中仅含指定列表独立单词的行

核心用正则的单词边界符\b匹配独立词汇，即可避免子串命中的问题，同时支持忽略大小写匹配，不需要分开拼接大小写匹配结果，代码更简洁高效。

核心筛选逻辑 #

import re
import pandas as pd

names = ['ATH', 'CRSR', 'GME', 'AMC', 'TSLA', 'MVIS', 'SPCE', 'CLNE', 'AAPL', 'WKHS']
# 构造独立单词匹配正则，re.escape避免目标词含特殊正则字符导致匹配异常
match_pattern = '|'.join([rf'\b{re.escape(ticker)}\b' for ticker in names])
# 筛选文本包含任意独立目标词的行，case=False表示忽略大小写
df_filtered = df[df['text'].str.contains(match_pattern, case=False, regex=True)].copy()

匹配规则说明 #

\b是正则单词边界符，仅当目标词前后为非单词字符（空格、标点、换行、字符串首尾等）时才会命中，完美符合你的需求：

• 示例中bloodbath里的ath前后都是字母，不属于单词边界，不会被命中，第29行直接被过滤
• 其余行的ATH、ath、aapl都是独立单词，会被正常命中保留

完整修改后代码 #

import re
import pandas as pd

# 目标词汇列表
names = ['ATH', 'CRSR', 'GME', 'AMC', 'TSLA', 'MVIS', 'SPCE', 'CLNE', 'AAPL', 'WKHS']
# 构造匹配规则
match_pattern = '|'.join([rf'\b{re.escape(ticker)}\b' for ticker in names])

# 筛选符合要求的行，同时处理dt字段
df_ticker = df[df['text'].str.contains(match_pattern, case=False, regex=True)].copy()
df_ticker['dt'] = pd.to_datetime(df_ticker['dt'])

# 原有去重逻辑保留，无需修改
def dedup(sentence, to_dedup):
    for word in to_dedup:
        while sentence.split().count(word) > 3:
            sentence = ''.join(sentence.rsplit(word, 1)).replace('  ', ' ')
    return sentence

df_ticker['text'] = df_ticker.apply(lambda row: dedup(row['text'], names), axis=1)

内容的提问来源于stack exchange，提问作者YanRemes