过滤数据框熊猫中的关键字/句子

Question

目前我有一个数据框。这是我的数据框的示例：

我还有一个关键字/句子列表。我想将它与“内容”列匹配，看看是否有任何关键字或句子匹配。

这是我所做的

# instructions_list is just the list of keywords and key sentences 
instructions_list = instructions['Key words & sentence search'].tolist()
pattern = '|'.join(instructions_list)


bureau_de_sante[bureau_de_sante['Content'].str.contains(pattern, regex = True)]

虽然它给了我结果，但它也给了我这个 UserWarning ： UserWarning: This pattern has match groups。要实际获取组，请使用 str.extract。 返回 func(self, *args, **kwargs)。

问题：

1. 如何防止显示用户警告？
2. 找到并查看列中是否存在匹配项后，如何在新列中打印特定匹配项？

Answer 1

您提供regex 来搜索数据框。如果您的指令列表中有括号（就像您的示例中的情况一样），那么这构成了一个匹配组。为了避免这种情况，您必须将它们转义（即：在它们前面添加\，以便(Critical risk) 变为\(Critical risk\)）。您可能还想转义所有特殊字符，例如 \ . " ' 等。

现在，您可以使用这些组从数据中提取匹配项。这是一个例子：

df = pd.DataFrame(["Hello World", "Foo Bar Baz", "Goodbye"], columns=["text"])
pattern = "(World|Bar)"
print(df.str.extract(pattern))
#        0
# 0  World
# 1    Bar
# 2    NaN

您可以通过简单的分配将这一列添加到您的数据框中（例如df["result"] = df.str.extract(pattern)）