pandas.series.str.split()无法匹配关键词因默认按空格切分，中文无空格且英文存在标点、大小写、复数等问题；需先清洗、统一大小写、正则处理后再分词，并用批量jieba或jieba_fast提升性能，关键词匹配应根据场景选择str.contains()加词边界或explode()+isin()，同时注意转义元字符和结果可解释性。
用 pandas.Series.str.split() 做简单分词时，为什么匹配不到关键词？
因为 str.split() 默认按空格切，但中文没空格，英文还可能有标点、大小写、复数干扰。直接切完拿 isin() 匹配，大概率漏掉 "running" 对应的 "run" 或把 "Python" 和 "python" 当成两个词。
- 先用
str.lower()统一大小写 - 用正则
str.replace(r'[^a-zA-Z0-9\u4e00-\u9fff\s]', ' ', regex=True)清洗标点和特殊字符（保留中英文数字和空格） - 再用
str.split(expand=False)得到 list 类型列，避免后续 explode 后行数爆炸
用 apply() + jieba.lcut() 处理中文时，性能卡顿怎么办？
apply() 是逐行调用，对 10 万行文本，比向量化操作慢 5–10 倍。真正快的做法是批量传入 jieba.lcut() 支持的列表——但 jieba 本身不支持 batch，得绕一下。
- 用
list(df['text'])把整列转成 Python list，再传给jieba.lcut()的变体：比如[jieba.lcut(x) for x in texts]—— 这比df['text'].apply(jieba.lcut)快 3 倍以上 - 如果装了
jieba_fast，直接替换 import，底层用了 Cython，切词速度提升明显 - 避免在
apply()里做词性过滤或停用词删除，这些逻辑放到分词后统一 vectorized 处理更稳
关键词匹配用 str.contains() 还是 explode() + isin()？
取决于你想要“文本包含任一关键词”还是“某行是否含全部关键词”，也取决于关键词量级。10 个以内用 str.contains('|'.join(keywords)) 最快；100+ 关键词且要精确匹配词单元（不是子串），就得走分词 → explode → isin 路线。
-
str.contains()对中文无效——"人工智能"会被"人工"或"智能"单独触发，除非加 word boundary：str.contains(r'\b(?:' + '|'.join(keywords) + r')\b', regex=True, na=False) -
explode()后行数翻倍甚至十倍，内存飙升，建议只对已清洗+分词后的列做，且提前dropna() - 关键词含正则元字符（如
"C++"、"C#"）必须re.escape()转义，否则报re.error: nothing to repeat
如何让关键词匹配结果可解释、可溯源？
光返回 True/False 没用。业务常要回答：“哪几个关键词命中了？”“命中位置在哪？”
- 用
df['text'].str.findall(r'\b(' + '|'.join(map(re.escape, keywords)) + r')\b')直接提取所有匹配项，返回 list，空匹配为[] - 如果需定位位置，改用
df['text'].apply(lambda x: [(m.start(), m.group()) for m in re.finditer(..., x)])，但注意性能代价 - 别用
str.extract()——它只取第一个匹配，漏检严重
分词和匹配链条越长，中间的 None、空字符串、nan 越容易冒出来，每一步做完都该用 .fillna([]) 或 .replace('', []) 对齐结构，不然 explode 会崩。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
