在数据框的列中查找列表的任何单词答案

【问题标题】：Find any word of a list in the column of dataframe在数据框的列中查找列表的任何单词
【发布时间】：2020-06-19 22:46:21
【问题描述】：

我有一个包含 4783 个元素的单词列表 negative。我想用下面的代码

tweets3 = tweets2[tweets2['full_text'].str.contains('|'.join(negative))]

但是，它给出了这样的错误error: multiple repeat at position 4193。

我不明白这个错误。显然，如果我在str.contains 中使用一个单词，例如str.contains("deal")，我就能得到结果。

我所需要的只是一个新的数据框，它只包含那些包含数据框tweets2 列full_text 中出现的任何单词的行。

作为选择，我还想看看我是否可以有一个boolean 列作为0 or 1 的当前值和不存在值。

我在@wp78de 的帮助下使用了以下代码：

tweets2['negative'] = tweets2.loc[tweets2['full_text'].str.contains(r'(?:{})'.format('|'.join(negative)), regex=True, na=False)].copy()

【问题讨论】：

也许.str.contains(r'(?:{})'.format('|'.join(words)), regex=True, na=False)]
终于弄清楚出了什么问题。在 4783 个否定词元素中，有些元素拼写为 f**k, bull****, ***hole，这给 regex 的工作带来了问题。
谢谢！献给所有抽出宝贵时间的人。
希望对您有所帮助：stackoverflow.com/questions/20625582/…

【解决方案1】：

对于其中可能包含正则表达式元字符的任意文字字符串，您可以使用re.escape() 函数。沿着这条线的东西应该就足够了：

.str.contains(r'(?:{})'.format(re.escape('|'.join(words)), regex=True, na=False)]

【讨论】：