在Pandas DataFrame中匹配字典值并返回对应键至新列的语义匹配问题

我明白你现在的需求——已经能找到特定词汇，但要把同义词都归到对应的主关键词组里对吧？其实你提到的字典匹配思路完全可行，可能是细节没处理好，我给你一套具体的实现方案，一步步来：

1. 梳理同义词映射关系 #

首先你需要把主关键词和对应的同义词整理成一个字典，主关键词作为键，同义词列表作为值：

import pandas as pd
import re

# 示例同义词字典，可根据你的实际需求修改
synonym_groups = {
    "car": ["car", "automobile", "vehicle", "motorcar"],
    "bike": ["bike", "bicycle", "cycle"],
    "laptop": ["laptop", "notebook", "portable computer"]
}

2. 反转字典实现快速查找 #

为了高效匹配，我们把字典反转，让每个同义词直接映射到对应的主关键词，同时统一转小写避免大小写敏感问题：

# 构建「同义词→主关键词」的映射表
syn_to_main = {}
for main_key, synonyms in synonym_groups.items():
    for syn in synonyms:
        syn_to_main[syn.lower()] = main_key

3. 编写匹配函数处理文本 #

接下来写一个函数，检查字符串中是否包含任何同义词，并返回对应的主关键词。这里用正则的\b匹配完整单词，避免像"carpet"被误判成"car"这类部分匹配的问题：

def get_main_keyword(text):
    text_lower = text.lower()
    # 遍历所有同义词，匹配完整单词
    for syn, main_key in syn_to_main.items():
        if re.search(rf"\b{re.escape(syn)}\b", text_lower):
            return main_key
    # 若未匹配到任何同义词，可返回None或原文本，根据需求调整
    return None

4. 应用到Pandas DataFrame #

最后把这个函数用apply方法应用到你的目标列上：

# 示例DataFrame，替换成你自己的数据集
df = pd.DataFrame({
    "content": [
        "I bought a new automobile yesterday",
        "My old bike needs new tires",
        "This portable computer runs fast",
        "I love driving my motorcar",
        "The carpet is dirty"  # 这个不会被误匹配为car
    ]
})

# 添加分组后的主关键词列
df["main_keyword"] = df["content"].apply(get_main_keyword)

运行后会得到这样的结果：

content main_keyword
0  I bought a new automobile yesterday          car
1          My old bike needs new tires          bike
2    This portable computer runs fast        laptop
3        I love driving my motorcar          car
4                The carpet is dirty         None

额外优化建议 #

• 如果文本包含标点符号，可以先预处理去除：text = re.sub(r'[^\w\s]', '', text)
• 如果需要匹配多个同义词并返回所有对应主关键词，可以修改函数返回列表而非单个值

这样应该就能解决你遇到的问题了，核心就是把同义词匹配转化为字典的快速查找，再结合正则确保匹配的是完整单词～

内容的提问来源于stack exchange，提问作者Bob Harris