有没有这将是一个组合的等同的任何功能df.isin()和df[col].str.contains()？
例如，假设我有系列
s = pd.Series(['cat','hat','dog','fog','pet'])，并且我想找到s包含的任何一个的所有地方['og', 'at']，那么我想得到除“宠物”以外的所有东西。
我有一个解决方案，但这很不雅致：
searchfor = ['og', 'at']
found = [s.str.contains(x) for x in searchfor]
result = pd.DataFrame[found]
result.any()有一个更好的方法吗？
Answers:
一种选择是仅使用正则表达式|字符尝试匹配系列中单词中的每个子字符串s（仍使用str.contains）。
您可以通过将单词searchfor与结合在一起来构造正则表达式|：
>>> searchfor = ['og', 'at']
>>> s[s.str.contains('|'.join(searchfor))]
0 cat
1 hat
2 dog
3 fog
dtype: object就像@AndyHayden在下面的注释中指出的那样，请注意您的子字符串是否具有特殊字符，例如$和^您想在字面上进行匹配。这些字符在正则表达式的上下文中具有特定含义，并且会影响匹配。
您可以通过转义非字母数字字符来使子字符串列表更安全re.escape：
>>> import re
>>> matches = ['$money', 'x^y']
>>> safe_matches = [re.escape(m) for m in matches]
>>> safe_matches
['\\$money', 'x\\^y']与结合使用时，此新列表中带有的字符串将逐字匹配每个字符str.contains。
您可以使用str.containsregex模式单独使用OR (|)：
s[s.str.contains('og|at')]或者您可以将系列添加到，dataframe然后使用str.contains：
df = pd.DataFrame(s)
df[s.str.contains('og|at')] 输出：
0 cat
1 hat
2 dog
3 fog df.col.str.contains(r'(?=.*apple)(?=.*banana)',regex=True)
这是一个单行lambda，它也可以工作：
df["TrueFalse"] = df['col1'].apply(lambda x: 1 if any(i in x for i in searchfor) else 0)输入：
searchfor = ['og', 'at']
df = pd.DataFrame([('cat', 1000.0), ('hat', 2000000.0), ('dog', 1000.0), ('fog', 330000.0),('pet', 330000.0)], columns=['col1', 'col2'])
col1 col2
0 cat 1000.0
1 hat 2000000.0
2 dog 1000.0
3 fog 330000.0
4 pet 330000.0应用Lambda：
df["TrueFalse"] = df['col1'].apply(lambda x: 1 if any(i in x for i in searchfor) else 0)输出：
col1 col2 TrueFalse
0 cat 1000.0 1
1 hat 2000000.0 1
2 dog 1000.0 1
3 fog 330000.0 1
4 pet 330000.0 0
pd.Series.str.contains。如果性能是一个问题，那么这可能值得研究。