如何在Pandas DataFrame中检测同列子串并生成对应新列

没问题，我来帮你搞定这个需求！你需要检测col1中每个字符串是否是同列其他字符串的子串，并在col2中存储对应的匹配长字符串（如果没有匹配项则保留原字符串），下面是具体的实现方案：

步骤1：构造示例DataFrame #

首先我们先还原你的示例数据：

import pandas as pd

data = {'col1': ['donald', 'mike', 'donald trump', 'trump', 'mike pence', 'pence', 'jarred']}
df1 = pd.DataFrame(data)

步骤2：编写匹配逻辑 #

核心思路是：先把所有字符串按长度降序排序（这样更长的字符串会被优先检查，避免短字符串被误匹配），然后对每个字符串，找到第一个包含它且不等于它的候选字符串，找不到就返回原字符串。

实现代码如下：

def find_matching_long_string(s, sorted_strings):
    # 遍历排序后的字符串列表，找第一个包含当前字符串的非自身候选
    for candidate in sorted_strings:
        if s != candidate and s in candidate:
            return candidate
    # 没有找到匹配项，返回原字符串
    return s

# 按字符串长度从长到短排序
sorted_str_list = sorted(df1['col1'], key=lambda x: -len(x))

# 应用函数生成col2
df1['col2'] = df1['col1'].apply(lambda x: find_matching_long_string(x, sorted_str_list))

步骤3：查看结果 #

运行上述代码后，打印df1就能得到你想要的结果：

print(df1)

输出结果：

col1          col2
0       donald  donald trump
1         mike    mike pence
2  donald trump  donald trump
3        trump  donald trump
4    mike pence    mike pence
5        pence    mike pence
6        jarred        jarred

这个方案完美匹配你的需求，每个子串都能对应到包含它的最长字符串，没有匹配项的jarred也保留了原内容。

内容的提问来源于stack exchange，提问作者Ronnie