Python str.contains的可扩展解决方案，包含熊猫中的字符串列表

我正在分析一个包含字符串对象行的数据帧

df1

。我有一个关键字参考列表，需要删除

df1

中包含参考列表中任何单词的每一行

目前，我是这样做的：

它不能扩展到数千个单词。然而，当我这样做时：

我产生错误第一个参数必须是字符串或编译模式

我尝试了以下解决方案：

这不会引发异常，但不会解析所有单词eather

---

如何有效地将str.contains与单词列表一起使用？

对于可扩展的解决方案，请执行以下操作-

通过正则表达式或管道连接单词的内容

将此信息传递给

str.contains

使用结果筛选

df1

要为第0列编制索引，请不要使用

df1[0]

（因为这可能被认为是不明确的）。最好使用

loc

或

iloc

（见下文）

注意：如果

单词

是一个系列，这也适用

---

或者，如果第0列仅包含单词（而不是句子），则可以使用

df.isin

，这应该更快-

df1 = df1[~df1.iloc[:, 0].isin(words)]

---

当你说“不可伸缩”时，你的意思是你会有一堆重复的代码吗？如果是这样，请使用循环：

作为reference\u reference\u list中的单词：

您尝试过这个问题吗？我首先将这些单词连接起来，并将它们传递给

str.contains

。您能详细说明一下：

它不会引发异常，但不会解析所有单词。

？你能举个例子说明它不起作用吗？因为它应该是。@sudonym如果你想在正则表达式上寻找速度，我建议你用10000x的Flasktextspeed@sudonym不客气。你用的是contains还是isin？str.contains，因为我在iloc[：，0]@c中有句子ᴏʟᴅsᴘᴇᴇᴅ 我们应该尝试使用

flashtext

发布答案，这听起来很有希望。请问，这是什么意思？r'\b（？：{}）\b'@ahbon我正在捕获组中插入您的搜索短语。我只想把完整的单词匹配起来。

df1 = df1[~df1[0].str.contains(reference_word for reference_word in reference_list)]

reference_list: "words|to|remove" 
df1 = df1[~df1[0].str.contains(reference_list)]

words = ["words", "to", "remove"]
mask = df1.iloc[:, 0].str.contains(r'\b(?:{})\b'.format('|'.join(words)))
df1 = df1[~mask]

df1 = df1[~df1.iloc[:, 0].isin(words)]