如何从dataframe中提取含特定值的行并生成英语国家布尔标识列

• 先将原始零散文本清洗为规整的Pandas DataFrame，解决原文本存在的空行、列对齐错乱、冗余空格问题：

import pandas as pd
# 把原始表格内容整理为结构化可读取的数据
source_data = [
    {"Country": "Afghanistan", "Languages Spoken": "Dari Persian, Pashtu (both official), other Turkic and minor languages"},
    {"Country": "Algeria", "Languages Spoken": "Arabic (official), French, Berber dialects"},
    {"Country": "Andorra", "Languages Spoken": "Catalán (official), French, Castilian, Portuguese"},
    {"Country": "Angola", "Languages Spoken": "Portuguese (official), Bantu and other African languages"},
    {"Country": "Antigua and Barbuda", "Languages Spoken": "English (official), local dialects"},
    {"Country": "Australia", "Languages Spoken": "English 79%, native and other languages"}
]
df = pd.DataFrame(source_data)

• 新增english speaking布尔类型列，直接对语言字段做关键词匹配，不需要额外的复杂规则判断：

# 不区分大小写匹配"English"关键词，匹配命中则返回布尔值True，未命中返回False
df["english speaking"] = df["Languages Spoken"].str.contains("English", case=False)

• 基于新增的布尔列筛选所有使用英语的国家条目，生成独立的子集DataFrame：

# 直接用布尔列作为索引条件筛选
english_country_df = df[df["english speaking"]]

运行完成后的实际效果：原始数据集的每一行都会带上对应的布尔标识，其中安提瓜和巴布达、澳大利亚的english speaking列值为True，其余4个国家为False；筛选得到的english_country_df仅包含这两个使用英语的国家条目，完全匹配“语言字段包含English即判定为英语国家”的判断规则。

内容的提问来源于stack exchange，提问作者Sicko-Code