Python：判断DataFrame中三列文本是否存在共同单词

嘿，我来帮你搞定这个问题！首先理清楚你的核心需求：检查A、B、C三列中是否存在任意两列共享的单词，存在则在新增列D标记1，不存在标记0。你之前用iterrows写的代码结果全为0，主要是几个小细节出了问题，咱们一步步拆解解决。

先看你代码里的问题 #

• 赋值逻辑错误：你用了df['D'][index]==1，这是比较运算符（判断值是否等于1），不是赋值操作！得改成=才会把值写入D列。更推荐用df.loc[index, 'D']赋值，避免链式索引的警告和潜在的修改失效问题。
• 空字符串干扰：你的单元格内容都以分号结尾（比如mom;dad;son;），用split(';')分割后会产生空字符串''，这个空值会被误判为“共同单词”；另外部分单词前后带空格（比如原数据里的 yes），也会导致匹配失败。
• iterrows效率问题：虽然能实现功能，但iterrows处理大数据集时效率很低，更推荐用apply来简化逻辑、提升性能。

修复后的两种实现方式 #

方式1：修正你原来的iterrows代码

先初始化D列，再处理每一行的单词，过滤空值和空格后检查交集：

# 先初始化D列为0
df['D'] = 0

for index, row in df.iterrows():
    # 处理每一列：分割字符串、去除单词首尾空格、过滤空字符串
    words_a = [word.strip() for word in row['A'].split(';') if word.strip()]
    words_b = [word.strip() for word in row['B'].split(';') if word.strip()]
    words_c = [word.strip() for word in row['C'].split(';') if word.strip()]
    
    # 转换为集合，检查任意两列的交集是否非空
    set_a, set_b, set_c = set(words_a), set(words_b), set(words_c)
    if (set_a & set_b) or (set_a & set_c) or (set_b & set_c):
        df.loc[index, 'D'] = 1
    else:
        df.loc[index, 'D'] = 0

方式2：更高效简洁的apply方法

用apply遍历每一行，代码更紧凑，处理大数据集时性能更优：

def has_common_words(row):
    # 辅助函数：处理单列，返回去重的单词集合（过滤空值和空格）
    process_column = lambda col: set(word.strip() for word in col.split(';') if word.strip())
    
    # 处理三列得到对应的单词集合
    set_a = process_column(row['A'])
    set_b = process_column(row['B'])
    set_c = process_column(row['C'])
    
    # 检查任意两个集合是否有交集，返回对应标记
    return 1 if (set_a & set_b) or (set_a & set_c) or (set_b & set_c) else 0

# 应用函数到每一行，生成D列
df['D'] = df.apply(has_common_words, axis=1)

验证结果 #

运行上述代码后，就能得到你预期的结果：

这样就完美解决你的问题啦！

内容的提问来源于stack exchange，提问作者FaCoffee