Pandas基于列表的部分字符串匹配：提取匹配值并新增列

嘿，我来帮你搞定这个需求！你需要对DataFrame的items列做基于目标列表的部分匹配，新增status、count和matching_values三列对吧？直接上可运行的解决方案：

步骤1：准备数据和目标匹配列表 #

首先我们先定义你的基础DataFrame和匹配列表（这里我假设你的匹配列表是["apple", "cat", "dog"]，你可以根据实际需求替换）：

import pandas as pd

# 你的原始数据
df = pd.DataFrame({
    'items': ['grape', 'apple', 'cat, dog', 'dog, other']
})

# 自定义的匹配列表
target_list = ["apple", "cat", "dog"]

步骤2：编写匹配处理函数 #

我们写一个函数来逐行处理items列，提取匹配结果：

# 把列表转成集合，提升匹配效率（如果列表很大的话效果明显）
target_set = set(target_list)

def extract_matches(row):
    # 处理空值情况（如果你的数据里有NaN的话）
    if pd.isna(row['items']):
        return pd.Series([False, 0, pd.NA])
    
    # 把items按逗号分割并去除前后空格，避免空格导致匹配失败
    split_items = [item.strip() for item in row['items'].split(',')]
    # 筛选出在目标集合里的元素
    matched_items = [item for item in split_items if item in target_set]
    
    # 返回三个需要的字段
    return pd.Series([
        len(matched_items) > 0,  # status：是否存在匹配
        len(matched_items),      # count：匹配到的元素数量
        ', '.join(matched_items) if matched_items else pd.NA  # 匹配到的元素，无则返回NA
    ])

步骤3：新增列并查看结果 #

调用apply函数把处理结果赋值给新列：

# 新增三列
df[['status', 'count', 'matching_values']] = df.apply(extract_matches, axis=1)

# 查看最终结果
print(df)

运行后你会得到期望的输出：

items  status  count matching_values
0       grape   False      0             <NA>
1       apple    True      1            apple
2    cat, dog    True      2         cat, dog
3  dog, other    True      1              dog

关键细节说明 #

• 处理空格问题：用strip()去除分割后每个元素的前后空格，避免像' dog'这种带空格的元素匹配不到目标列表里的'dog'。
• 效率优化：把目标列表转成set，因为集合的成员查询（in操作）比列表快很多，当你的匹配列表很大时这个优化很有用。
• 空值处理：函数里先判断items是否为NaN，避免分割空值时报错，同时返回合理的默认值。

内容的提问来源于stack exchange，提问作者Jerry