下面是将map()与next()一起使用的替代方法

df_look = pd.Series(['text1', 'text2', 'text3'])
df['found_str'] = list(map(lambda x: next((y for y in df_look if y in x), 'NaN'), df['text']))
print(df)

您也可以将re与str.extract()一起使用：
x一个一个一个一个x一个一个二个x

一种选择是使用带有next的 * listcomp * 来避免嵌套列表。

lookfor = df_look_for["look_for"]
​
df["found_str"] = [next((a for a in lookfor if a in b), None) for b in df["text"]]

输出：

print(df)
​
               text  sth found_str
0    abdcdtext1wrew  ...     text1
1  qwerqdtext2cvufu  ...     text2
2      iuotext3tvbv  ...     text3
3       iuotvbvewre  ...      None

另一个方法。这将给予所有找到的字符串的列表：

import pandas as pd
d = {'text': ['asdtext1', 'sdkjfhtext2sdf', 'dsfds']}
l = {'look_for': ['text1', 'text2']}

look_for_df = pd.DataFrame(data=l)
df = pd.DataFrame(data=d)

df["found_str"] = df['text'].apply(lambda text: [search_word for search_word in look_for_df['look_for'] if search_word in text])

解决方案：

import re

df_look_for = pd.Series(['text1', 'text2', 'text3'])

pattern = '|'.join(df_look_for)
df['found_str'] = df['text'].str.extract('(' + pattern + ')', expand=False)
df.fillna(value='NaN', inplace=True)

说明：
可以使用str.extract方法沿着正则表达式来实现这一点，其思想是提取与df_look_for中的模式匹配的第一个字符串，并将其作为新列添加到 Dataframe 中。
通过将所有元素与|连接，df_look_for系列被转换为正则表达式模式（逻辑或运算符）。然后使用str.extract方法从text列中提取此模式的第一个匹配项，并将结果存储在found_str列中。使用fillna方法来用串'NaN'替换任何缺失值（即，未发现匹配的值）。