Pandas DataFrame嵌套列匹配：如何获取完整匹配行数据

方法一：用Pandas布尔索引（推荐，更高效） #

不用手动遍历，直接借助Pandas的apply生成匹配条件的布尔掩码，就能直接筛选出完整的DataFrame行：

匹配Row对象的a字段 #

以匹配a='abc'为例：

# 生成布尔掩码：检查每一行的nested_col列中，是否存在Row的a字段等于目标值
mask_a = df['nested_col'].apply(lambda rows: any(row.a == 'abc' for row in rows))
# 筛选出符合条件的完整行
result_a = df[mask_a]
print(result_a)

匹配Row对象中c列表的元素 #

以匹配c列表包含'089'为例：

# 生成布尔掩码：检查每一行的nested_col列中，是否存在Row的c列表包含目标元素
mask_c = df['nested_col'].apply(lambda rows: any('089' in row.c for row in rows))
# 筛选出符合条件的完整行
result_c = df[mask_c]
print(result_c)

方法二：修改自定义函数关联原DataFrame #

你之前的函数只遍历了nested_col列的内容，没有关联原DataFrame的行数据。可以改为遍历整个DataFrame的行，同时记录索引，找到匹配项时直接取出整行：

def find_a(df, a_value):
    # 遍历DataFrame的每一行，同时获取索引和行数据
    for idx, df_row in df.iterrows():
        # 遍历当前行中的Row对象列表
        for nested_row in df_row["nested_col"]:
            if nested_row.a == a_value:
                # 返回完整的DataFrame行
                return df.loc[idx]
                # 如果要输出所有匹配行，替换return为print(df.loc[idx])即可

# 调用函数，传入整个DataFrame和目标值
matched_row = find_a(df, "abc")
print(matched_row)

同理，匹配c列表元素的函数可以这样写：

def find_c(df, c_value):
    for idx, df_row in df.iterrows():
        for nested_row in df_row["nested_col"]:
            if c_value in nested_row.c:
                return df.loc[idx]

matched_row = find_c(df, "089")
print(matched_row)

内容的提问来源于stack exchange，提问作者Rayne