将长列表与数据框中的字符串进行比较，并在匹配的基础上在Python中填充数据框

Question

我有一个氨基数据集，我仅要从中提取计算机科学术语，因此对于此任务，我必须将list1与之进行比较。

https://www.aminer.org/oag2019

list1 = [“文档类型”，“调查和概述”，“参考著作”，“一般会议记录”，“传记”，“一般文献”，“计算标准，RFC和指南”，“交叉计算工具”和技术'，......]

list1的总数是ACM提供的2112个计算机科学术语。

我必须以[]形式在数据帧列中与之比较（字符串比较）list1的数据帧>

df_train14year ['keywords']。head（）

0“核磁共振谱”，“质谱”，“纳米...1“ plk1”，“阳离子二烷基组氨酸”，“晶体”。2“案例控制”，“儿童”，“燃料”，“碳氢化合物”，“ ...3“ Ca2 +处理”，“ CaMKII”，“心肌细胞”，“续...4名称：关键字，dtype：对象

在数据框中的每个列表中，每个列表中最多有10个关键词，最小值（3），并且在数据框中有数百万条记录。

因此，如果两个列表中都匹配了3个以上的单词，则必须将每个关键字与原始list1进行比较，并使用这些值填充数据框，可能还需要子字符串匹配。

如何在python中以低效率的方式执行此任务，我所做的是通过for循环与每个关键字进行比较，而不是整个列表，并且其中有三个循环，因此效率低下。

# for i in range(5):
#    df.loc[i] = ['<some value for first>','<some value for second>','<some value for third>']

count  = 0;
i = 0;
for index, row in df_train14year.iterrows():
  # print("index",index)
  i=1+1;
  # if(i==50):
  #   break
  for outr in row['keywords'].split(","):
      #print(count)   
      if (count>1):
          # print("found1")
          count = 0;
          break;
      for inr in computerList:
          # outr= outr.replace("[","")   # i skip the below three lines because i applied the pre- processing on data to remove the [] and "
          # outr= outr.replace("]","")
          outr= outr.replace('"',"")
          #print("outr",outr,"inr",inr)
          if outr in inr:
              count = count+1
              if (count>10):
                #print("outr",outr,"inr",inr)
                # print("found2")
                # df12.loc[i] = [index,row['keywords']]
                #df12.insert(index,"keywords",row['keywords'])
                df14_4_match = df14_4_match.append({'abstract': row['abstract'],'keywords': row['keywords'],'title': row['title'],'year': row['year']}, ignore_index=True)
                break;
          # else:
          #     print('not found')```

我有一个氨基数据集，我仅要从中提取计算机科学术语，因此对于此任务，我必须将list1与之进行比较。 https://www.aminer.org/oag2019 list1 = ['document ...

Answer 1

kewwords = [数据帧中的[nmr光谱”，“质谱”，“ nanos”]行