如何在Pandas中组合多个Lambda函数实现多列匹配条件的合并判断？

嘿，这事儿超简单的！你完全可以用&运算符把两个判断逻辑合并成一行代码，一次性满足A列值在B列存在匹配和C列值在D列存在匹配两个条件。

直接实现代码 #

按照你原来的find+ge(0)的写法，合并后的代码是这样的：

df['match'] = df.apply(lambda x: x['B'].find(x['A']).ge(0) & x['D'].find(x['C']).ge(0), axis=1)

或者更直白的用>=0代替.ge(0)，可读性也不错：

df['match'] = df.apply(lambda x: (x['B'].find(x['A']) >= 0) & (x['D'].find(x['C']) >= 0), axis=1)

给你提个效率优化建议 #

不过要注意：apply是逐行遍历的，当你的DataFrame数据量很大（比如十万行以上）时，这种写法效率会很低。我猜你大概率是想判断某列的单个值是否在另一列的所有值中存在（毕竟用randint生成的是整数，直接用find其实会报错，因为整数没有find方法），如果是这个需求，更高效的写法是用pandas的向量化操作isin：

# 先确保列是整数类型（你原来的生成逻辑就是整数），然后判断存在性
df['match'] = df['A'].isin(df['B']) & df['C'].isin(df['D'])

这个写法比apply快N倍，因为它是利用pandas的底层优化，避免了逐行循环的开销。

小补充 #

如果你的真实需求是同一行内，B字段（字符串类型）包含A字段的内容，那你需要先把整数列转成字符串：

df = df.astype(str)
# 再执行合并后的判断
df['match'] = df.apply(lambda x: (x['B'].find(x['A']) >= 0) & (x['D'].find(x['C']) >= 0), axis=1)

不然整数调用find方法会抛出AttributeError哦。

内容的提问来源于stack exchange，提问作者MLP99