使用 python 检查字符串中的任何单词是否出现在列表中

Question

我有一个 pandas 数据框，其中包含一列数千条评论。我想遍历列中的每一行，检查评论是否包含我创建的单词列表中的任何单词，如果评论包含我列表中的单词，我想将其标记为一个单独的列。这是我目前的代码：

retirement_words_list = ['match','matching','401k','retirement','retire','rsu','rrsp']

def word_checker(row):
    for sentence in df['comments']: 
        if any(word in re.findall(r'\w+', sentence.lower()) for word in retirement_words_list):
            return '401k/Retirement'
        else:
            return 'Other'

df['topic'] = df.apply(word_checker,axis=1)

代码将我的数据框中的每条评论都标记为 'Other'，尽管我已经仔细检查过很多评论都包含我列表中的一个或多个单词。关于如何更正我的代码的任何想法？非常感谢您的帮助。

Answer 1

这个简化版本（没有正则表达式）行不通吗？

if any(word in sentence.lower() for word in retirement_words_list):

Answer 2

使用一组 retirements_word_list 的版本（为了有效的包含测试）可能更方便，然后遍历句子中的单词，检查是否包含在这个集合中，而不是反过来：

retirement_words_list = ['match','matching','401k','retirement','retire','rsu','rrsp']

retirement_words_set = set(retirement_words_list)

然后

    if any(word in retirement_words_list for word in sentence.lower().split()):
            # .... etc ....

您的代码只是检查 retirement_words_list 中的任何单词是否是句子的子字符串，但实际上您必须寻找 whole-word 匹配项，否则包含 'matching' 和 'retirement' 在列表中，因为 'match' 和 'retire' 已经包含在内。因此使用 split——以及为什么我们还可以反转逻辑的原因。

注意：您可能需要做一些进一步的更改，因为您的函数 word_checker 有一个名为 row 的参数，它不会使用。可能你的意思是这样的：

def word_checker(sentence):
    if any(word in retirement_words_list for word in sentence.lower().split()):
        return '401k/Retirement'
    else:
        return 'Other'

和：

df['topic'] = df['comments'].apply(word_checker,axis=1)

其中 sentence 是 comments 列中每一行的内容。

使用 python 检查字符串中的任何单词是否出现在列表中

Checking if any word in a string appears in a list using python

python

if-statement

any

dataframe

pandas