如何从候选列表中识别包含最少数量不同单词的行?

(df['Name'].str.contains(r"^(?!(red|blue|green)\1+$)(?:.*(?:red|blue|green)){2}",case=False, regex=True))

如果字符串必须仅由列表中的单词组成,请删除 .* {2} 具有 {2,}$

(df['Name'].str.contains(r"^(?!(red|blue|green)\1+$)(?:red|blue|green){2,}$",case=False, regex=True))

细节

• ^
• (?!(red|blue|green)\1+$) -如果存在,则会导致比赛失败的消极前瞻
  • (red|blue|green) -组1:组中定义的任何子字符串
  • \1+ -一次或多次重复第1组值,然后
  • $ -结束
• (?:.*(?:red|blue|green)){2} -两次出现除换行符以外的零个或多个字符(尽可能多),然后一次出现组中定义的子字符串。
• (?:red|blue|green){2,}$ -组中的单词出现两次或两次以上,然后是字符串结尾。

见 regex demo #1 和 regex demo #2 .

有时候正则表达式不是完成这项工作的工具。

def name_has_color(df, color):
    return df['Name'].str.contains(color, case=False).astype(int)

color_counts = sum(
    name_has_color(df, color)
    for color in ['red', 'green', 'blue']
)

df['good_colors'] = df[color_counts >= 2]

这种方法自然是可扩展的,如果您需要检查更多的包含值或查找更多的值,则不会变得更复杂。