本文介绍如何在Pandas中准确计算每行“原文”列中出现在对应“人名列表”列中的独立单词数量，解决正则转义错误、空值处理及词边界匹配等常见问题。
本文介绍如何在pandas中准确计算每行“原文”列中出现在对应“人名列表”列中的**独立单词数量**，解决正则转义错误、空值处理及词边界匹配等常见问题。
在文本分析任务中，常需判断一段自然语言（如句子）中有多少个词精确匹配另一列中提供的关键词集合（例如人名列表）。关键挑战在于：既要避免子串误匹配（如"Mary"不应匹配"Marys"），又要妥善处理缺失值（NaN）、标点、空格及分隔符不一致等问题。直接使用正则表达式（如\b{word}\b）虽语义准确，但易因转义错误（如原代码中错误的 \o*）或性能开销导致失败。
以下是一个简洁、健壮且无需正则的解决方案：
import pandas as pd
# 构建示例数据
df = pd.DataFrame({
"original": [
"John is a good friend",
"Mary and Peter are going to marry",
"Bond just met the Bond girl",
"Chris is having dinner",
"All Marys are here"
],
"people": ["John, Mary", "Peter, Mary", "Bond", None, "Mary"]
})
# 核心逻辑：填充空值 → 拆分人名 → 对每行原文拆词并计数
df["people"] = df["people"].fillna("") # 将 NaN 转为空字符串，避免 str.split 报错
df["result"] = [
sum(word in person_list for word in text.split())
for text, person_list in zip(
df["original"],
df["people"].str.split(", ") # 注意：split 分隔符为 ", "（逗号+空格）
)
]
print(df)输出结果：
original people result 0 John is a good friend John, Mary 1 1 Mary and Peter are going to marry Peter, Mary 2 2 Bond just met the Bond girl Bond 2 3 Chris is having dinner 0 4 All Marys are here Mary 0
✅ 关键设计说明：
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
立即学习“Python免费学习笔记（深入）”；
- df["people"].fillna("") 确保空值不会中断链式操作；
- str.split(", ") 假设人名间以英文逗号加空格分隔——若实际格式不同（如仅逗号、分号或含多余空格），建议先用 str.replace(r'\s+', ' ', regex=True).str.strip() 规范化；
- text.split() 默认按任意空白字符（空格、制表符等）分割，天然忽略标点影响，且不匹配子词（如 "Marys".split() 得 ["Marys"]，不等于 "Mary"）；
- 使用生成器表达式 sum(word in person_list ...) 时间复杂度为 O(n×m)，对中小规模数据集高效可靠。
⚠️ 注意事项：
- 该方法区分大小写（"john" ≠ "John"）。如需忽略大小写，可统一转小写：text.lower().split() 和 [p.strip().lower() for p in ...]；
- 若人名含中间空格（如 "Mary Jane"），当前 split(", ") 会将其误拆为两个独立项。此时应改用更鲁棒的解析方式（如 ast.literal_eval 配合方括号格式，或正则提取带引号的字段）；
- 如需严格词边界匹配（例如排除 "Bond" 匹配 "Bond's"），仍推荐正则方案，但须修正转义：re.escape(p) + r'\b' + ... + r'\b'，并启用 flags=re.IGNORECASE（如需）。
综上，本方法以清晰逻辑、低依赖和高可读性，成为多数场景下的首选实现。在确保数据格式可控的前提下，它比正则方案更轻量、更不易出错。
