如何在Python Pandas DataFrame中基于词列表添加标记列？

咱们先梳理下你代码里的几个核心问题，再一步步给出修正方案：

问题分析 #

1. 参数类型错误：你第一次调用emb_col_1时直接传了列表words，但str.contains只接受正则表达式字符串，直接传列表会触发报错。
2. 词汇的空格干扰：你的词汇列表里有' pics '（前后带空格），这会导致只有完全包含带空格的" pics "的条目才会被匹配，像"pics"（无空格）这类正常写法的内容会被漏掉。
3. 匹配精度问题：直接用|拼接词汇可能会出现部分匹配（比如把"photoshopped"里的"photos"也误判为匹配），如果需要匹配完整单词，得加上正则的单词边界。

修正后的完整解决方案 #

步骤1：清理词汇并构建正确的正则模式

先去掉词汇里多余的空格，再给每个词汇加上单词边界\b，确保只匹配完整单词：

import pandas as pd
import numpy as np

# 清理词汇列表，去掉不必要的空格
words = ['photos', 'pictures', 'pics', 'pix', 'image']
# 构建带单词边界的正则模式，避免部分匹配
pattern = r'\b(' + '|'.join(words) + r')\b'

步骤2：优化标记列函数

简化逻辑，同时处理大小写不敏感（可选）和空值情况：

def emb_col_1(tr, col, pat, suf):
    # 用np.where实现更简洁的标记逻辑，case=False忽略大小写，na=False把空值标记为0
    tr[f"0_{col}{suf}"] = np.where(tr[col].str.contains(pat, case=False, na=False), 1, 0)

步骤3：测试函数效果

创建包含匹配/不匹配条目的测试数据，验证功能：

# 构造测试DataFrame
train = pd.DataFrame({
    'a': ['photos', 'my pictures', 'a pic', 'pixel art', 'image file', 'random text']
})

# 调用函数添加标记列
emb_col_1(train, 'a', pattern, '_p')

print(train)

运行后输出结果：

a  0_a_p
0        photos      1
1  my pictures      1
2        a pic      0  # 若需要匹配"pic"，可把词汇列表改成['pic', 'pics', ...]
3    pixel art      0  # 单词边界确保只匹配完整的"pix"，不会误判"pixel"
4   image file      1
5  random text      0

额外调整建议 #

• 如果不需要严格匹配完整单词，只需要包含子串，去掉正则里的\b即可，直接用pattern = '|'.join(words)
• 如果要同时匹配单数/复数（比如"pic"和"pics"），可以把正则改成r'\b(pic(s)?|photos|pictures|pix|image)\b'
• 如果需要区分大小写，去掉str.contains里的case=False参数

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