Pandas按关键词列表顺序重排文本关键词（保留XS后缀）实现咨询

核心实现逻辑 #

• 逐行扫描文本，把符合要求的「核心关键词+可选XS后缀」片段全部识别出来，关键词前面的普通文本（比如"The"、"He was a"这类内容）完全保留，不做改动
• 记录原来夹在两个关键词之间的分隔符（比如逗号、"or"这类连接词），处理的时候不替换原有连接格式
• 把识别到的关键词，按照预设的keywords列表的顺序重新排，不管原来的位置在哪：Small永远排第一、Medium排第二、Large排第三，带XS后缀的关键词跟着对应的核心关键词走，不单独调整位置
• 排序完的关键词，用原来的分隔符串起来，和前缀拼回成完整句子

具体实现步骤 #

1. 导入依赖库、定义匹配正则
   正则加入单词边界避免误匹配普通文本中的关键词片段，把可选项XS和核心关键词绑定为一个整体捕获：

   import re
   keywords = ['Small', 'Medium', 'Large']
   # 匹配规则：核心关键词 + 可选的空格+XS，带单词边界避免误匹配
   pattern = re.compile(r'\b(' + '|'.join(keywords) + r')(?:\sXS)?\b')
   

   注意：正则里的单词边界\b是必要的，避免把嵌入在其他单词里的关键词误识别，比如不会把"Smalltalk"里的"Small"、"XLarge"里的"Large"当成目标匹配项。

2. 编写逐行处理的自定义函数
   函数逻辑完全匹配目标输出的格式要求：

   def process_row(text):
       # 找出当前行所有关键词匹配的位置和内容
       matches = list(pattern.finditer(text))
       # 没有匹配到关键词，直接返回原文本
       if not matches:
           return text
       # 提取第一个关键词之前的固定前缀，完全保留
       prefix = text[:matches[0].start()]
       # 收集所有关键词片段，以及它对应的核心关键词在预设列表中的索引（用于排序）
       keyword_items = []
       for match in matches:
           core_word = match.group(1)  # 提取核心关键词
           full_word = match.group(0)  # 提取带XS的完整关键词片段
           sort_index = keywords.index(core_word)  # 核心关键词的固定排序值
           keyword_items.append( (sort_index, full_word) )
       # 按预设顺序对关键词排序
       sorted_keywords = [item[1] for item in sorted(keyword_items, key=lambda x: x[0])]
       # 提取相邻关键词之间的原始分隔符
       separators = []
       for i in range(len(matches)-1):
           # 两个关键词结束到下一个关键词开始之间的内容就是原始分隔符
           sep = text[matches[i].end(): matches[i+1].start()]
           separators.append(sep)
       # 按原分隔符拼接最终文本
       result = prefix + sorted_keywords[0]
       for i in range(len(separators)):
           result += separators[i] + sorted_keywords[i+1]
       return result
   

3. 应用到DataFrame列完成批量处理

   df['processed_column'] = df['column'].apply(process_row)
   

效果验证 #

把示例中的三行文本代入函数处理，输出结果和目标效果完全一致：

• 原行The Small, Large, Medium → 输出The Small, Medium, Large
• 原行The fast Medium, Small XS → 输出The fast Small XS, Medium（XS后缀随Small一同排在最前）
• 原行He was a Medium, Large or Small → 输出He was a Small, Medium or Large

内容的提问来源于stack exchange，提问作者asd