如何避免熊猫提取物带来部分匹配

Question

场景：-

我有一个如下所示的数据框

完整句子

行李
年龄

关键字列表

key_words = ['age'，'man']

目标：-

我需要查看此列中是否存在“年龄”一词[单独存在]，如果存在，则将其作为单独的列

所需的输出：-

完整句子| found_word

行李| N 年龄|年龄

使用的命令：-

Dataframe.str.extract（'（{{}）'。format（'|'.join（key_words）），flags = re.IGNORECASE，expand = False）.astype（str）

输出不匹配

完整句子| found_word

行李|年龄 年龄|年龄

说明：- 看来，提取也在对字符串进行部分匹配。仅当整个单词匹配时才可以提取它。

谢谢

Answer 1

将正则表达式匹配项更改为r'^({})$'.format(r'|'.join(key_words))。正则表达式中的^表示行/字符串的开头，$表示行/字符串的结尾。对于正则表达式模式，还应该使用r''更改为原始字符串。

有关更多信息，请参见the Python3或the Python2 regex docs。