筛选数据帧中的关键字/句子

Question

目前我有一个数据帧。以下是我的数据帧示例：

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

这就是我所做的

# 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)]

在给我结果的同时，它也给我这个UserWarning:UserWarning：这个模式有匹配组。要实际获取组，请使用str.extract。 返回函数（self、*args、**kwargs）

问题:

1. 如何防止出现userwarning
2. 查找并查看列中是否有匹配项后，如何在新列中打印特定匹配项

Answer 1

您正在提供一个regex来搜索数据帧。如果指令列表中有括号（就像示例中的情况一样），那么这就构成了一个匹配组。为了避免这种情况，您必须转义它们（即：在它们前面添加\，以便(Critical risk)变成\(Critical risk\)）。您可能还希望转义所有特殊字符，如\ . " '等

现在，您可以使用这些组从数据中提取匹配项。以下是一个例子：

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

您可以通过一个简单的赋值（例如df["result"] = df.str.extract(pattern)）将此列添加到数据帧中