如何在Python pandas中实现匹配后返回另一列值的查找功能

核心思路是先建立窄术语→宽术语的映射关系，再将匹配到的窄术语替换为对应的宽术语即可，完整实现代码如下：

基础版本（适配初始测试用例） #

import pandas as pd

# 原测试数据
df = pd.DataFrame({'Name':['a cat', 'grey puppy', 'red dog']})
df2 = pd.DataFrame({'BroadTerm':['cat', 'cat', 'dog', 'dog'], 'NarrowTerm':['cat', 'kitten', 'puppy', 'dog']})

# 第一步：构建窄术语到宽术语的唯一映射字典
term_map = df2.drop_duplicates('NarrowTerm').set_index('NarrowTerm')['BroadTerm'].to_dict()

# 第二步：匹配Name列中的窄术语，映射为宽术语并去重拼接
df['Animal'] = df['Name'].apply(lambda x: ','.join(
    {term_map[term] for term in term_map if term in x}
))

print(df)

运行输出与预期完全一致：

Name Animal
0       a cat    cat
1  grey puppy    dog
2     red dog    dog

适配更新后的测试数据集版本 #

import pandas as pd
import numpy as np

# 更新后的测试数据
df = pd.DataFrame({'Name':['a cat dog - multiple', 'grey puppy - narrow term', 'a cat puppy', 'reddog - single no spaces', 'acatdog - multiple no spaces']})
df2 = pd.DataFrame({'BroadTerm':['cat', 'cat', 'dog', 'dog'], 'NarrowTerm':['cat', 'kitten', 'puppy', 'dog']})

term_map = df2.drop_duplicates('NarrowTerm').set_index('NarrowTerm')['BroadTerm'].to_dict()

df['Animal'] = df['Name'].apply(lambda x: ','.join(
    {term_map[term] for term in term_map if term in x}
))

# 可选配置：无匹配结果时替换为NaN而非空字符串
df['Animal'] = df['Animal'].replace('', np.nan)

print(df)

运行输出：

Name  Animal
0          a cat dog - multiple  cat,dog
1      grey puppy - narrow term     dog
2                   a cat puppy  cat,dog
3     reddog - single no spaces     dog
4  acatdog - multiple no spaces  cat,dog

注意说明 #

• 单文本命中多个对应不同宽术语的窄术语时，会用逗号拼接所有匹配结果
• 匹配逻辑为子字符串模糊匹配，无需空格分隔，reddog这类无间隔文本也能正常命中
• 用集合存储匹配结果自动去重，避免同一宽术语对应多个窄术语时重复输出

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