如何查找DataFrame中含特定或部分字符串的条目索引并简化代码？

一、精确匹配的简化实现 #

不用写循环，直接结合pandas和numpy的方法就能高效搞定，比单独用np.argwhere(df=='apple')更灵活：

• 生成全量匹配的布尔掩码：mask = df.isin(['apple'])
• 提取所有匹配位置的行、列索引：rows, cols = np.where(mask)
• 若需要坐标对格式（(行索引, 列索引)），直接打包：match_indices = list(zip(*np.where(mask)))

这种方法原生支持多值匹配（比如isin(['apple', 'banana'])），不用手动循环遍历每一行每一列，代码更简洁且性能更好。

二、部分字符串匹配的实现方法 #

要匹配子串（比如查找包含‘pple’的条目），可以通过逐元素判断字符串包含关系来实现：

方法1：全DataFrame匹配 #

• 生成子串匹配的布尔掩码：sub_mask = df.applymap(lambda x: 'pple' in str(x))
• 提取所有匹配位置的索引：sub_rows, sub_cols = np.where(sub_mask)
• 若只需要去重的行索引：unique_match_rows = df.index[sub_rows].unique()

方法2：单列定向匹配（更高效） #

如果只需要在某一列中查找，直接用str.contains性能更高：

# 假设目标列是'fruit'
match_row_indices = df[df['fruit'].str.contains('pple', na=False)].index

na=False用来排除空值，避免匹配时抛出错误。

内容的提问来源于stack exchange，提问作者MicH