Python：统计匹配词产品数并求均价时结果为Series异常排查

你得到空Series的核心原因大概率是过滤后没有匹配到任何产品数据，导致mean()操作返回了空结果。下面我会拆解常见的错误场景，并给出正确的实现方式：

常见错误原因 #

• 误用精确匹配而非包含匹配：如果你的代码用了df['Product'].isin(wordlist)，这是检查产品名称是否完全等于词表中的某个单词，而非包含单词。比如词表里是"phone"，但产品名是"smart phone"，isin就会匹配失败，导致过滤后的数据为空。
• 大小写不匹配：词表中的单词是"Phone"，但产品名里是"phone"或"PHONE"，字符串匹配默认区分大小写，会直接导致匹配不到。
• 词表单词带特殊字符/空格：比如词表里的单词是" smart phone"（带前导空格），但产品名里是"smart phone"，这种细微差异也会让匹配失效。
• Product列存在缺失值（NaN）：如果Product列有NaN，执行包含检查时会返回NaN，布尔索引会自动排除这些行；如果所有行要么是NaN要么匹配不到，就会得到空DataFrame。

正确实现示例 #

假设你的DataFrame结构如下：

import pandas as pd

df = pd.DataFrame({
    'Product': ['smart phone', 'wireless headphone', 'laptop', 'gaming phone'],
    'Price': [599, 199, 999, 799]
})
wordlist = ['phone', 'headphone']

步骤1：正确过滤包含词表单词的产品 #

使用str.contains结合正则表达式实现多单词包含匹配，同时处理大小写和缺失值问题：

# 构建正则表达式，匹配词表中的任意单词，忽略大小写
pattern = '|'.join(wordlist)
filtered_df = df[df['Product'].str.contains(pattern, case=False, na=False)]

• case=False：忽略大小写匹配，避免大小写差异导致的匹配失败
• na=False：将Product列的NaN值视为False，避免干扰过滤逻辑

步骤2：统计数量和平均价格 #

product_count = len(filtered_df)
average_price = filtered_df['Price'].mean()

如果filtered_df不为空，average_price会返回一个标准float数值；如果确实没有匹配到数据，average_price会返回NaN（而非空Series），你可以根据业务需求用fillna(0)或其他方式处理这种情况。

空结果排查方法 #

如果还是得到空结果，先打印filtered_df确认是否有数据：

print(filtered_df)

若为空，再逐个验证：

• 打印df['Product'].str.contains(pattern, case=False, na=False)的结果，查看哪些行是True
• 检查词表中的单词是否确实存在于Product列的字符串中
• 确认Product列的数据类型是字符串（如果是其他类型，str.contains会报错或返回全False）

内容的提问来源于stack exchange，提问作者harry04