如何基于可变长度子列表创建或条件筛选Pandas DataFrame行

嘿，这个需求我做数据分析时刚好碰到过，给你一步步拆解怎么实现哈！

首先先明确我们的基础元素：

• 假设你的DataFrame叫 df
• 需要筛选的文本列叫 target_col（比如商品描述、标签列这类）
• 嵌套标签列表 tag_list 类似这样：[["苹果", "香蕉"], ["猫"], ["狗", "鱼", "鹦鹉"]]

核心思路拆解 #

我们的目标是把嵌套列表里的每个子列表，转换成“该列是否包含子列表中任意字符串”的布尔条件，再根据你的实际需求组合这些条件。

1. 先搞定单个子列表的筛选（基础升级版） #

比如给一个子列表 sub_tags = ["苹果", "香蕉"]，要筛选包含任意一个标签的行，用str.contains结合正则表达式就能轻松实现：

# 把子列表转成正则的"或"条件（用|分隔）
pattern = '|'.join(sub_tags)
# 生成掩码：target_col列包含任意一个标签的行标记为True
mask = df[target_col].str.contains(pattern, na=False)  # na=False处理空值，避免筛选异常

2. 处理嵌套列表tag_list的两种常见场景 #

场景A：筛选所有符合任意子列表中任意标签的行（合并所有符合条件的行，可去重）

也就是只要行满足任意一个子列表的条件（即包含该子列表里的任意标签），就保留。我们可以把所有子列表的掩码合并成一个总掩码：

import pandas as pd

# 定义工具函数：把单个子列表转换成筛选掩码
def sub_tag_to_mask(sub_tags):
    pattern = '|'.join(sub_tags)
    return df[target_col].str.contains(pattern, na=False)

# 遍历tag_list，逐个合并掩码（只要有一个掩码为True就保留该行）
total_mask = pd.Series([False]*len(df), index=df.index)
for sub_tags in tag_list:
    total_mask = total_mask | sub_tag_to_mask(sub_tags)

# 最终得到筛选后的结果tmp
tmp = df[total_mask].drop_duplicates()  # drop_duplicates可选，用来去除重复行

场景B：筛选同时满足所有子列表条件的行（每行必须包含每个子列表中至少一个标签）

比如行必须同时包含第一个子列表的任意标签、第二个子列表的任意标签……以此类推。这种情况用all()合并掩码即可：

# 生成所有子列表对应的掩码列表
mask_list = [sub_tag_to_mask(sub_tags) for sub_tags in tag_list]

# 合并掩码：所有子列表的条件都满足才保留该行
total_mask = pd.concat(mask_list, axis=1).all(axis=1)

# 最终得到筛选后的结果tmp
tmp = df[total_mask]

避坑提醒 #

• 如果你的标签里有正则特殊字符（比如.、*、?这类），记得用re.escape()转义，避免正则匹配出错：

  import re
  pattern = '|'.join(re.escape(tag) for tag in sub_tags)
  

• 如果你的目标列不是字符串类型，记得先转成字符串：df[target_col] = df[target_col].astype(str)

内容的提问来源于stack exchange，提问作者user