Pandas技术问题：跨DataFrame列子串位置查找及产品子串匹配结果全为False的排查

你遇到的问题核心在于错误地将整个df2['Product2'] Series转换成了字符串，而不是逐行对应匹配两个DataFrame的元素。让我拆解一下问题，再给出修正方案：

问题根源分析 #

你的代码里这一行是关键错误：

df1['productMatch?'] = np.where(df1['Product1'].str.find(str(df2['Product2'])) !=-1, 'True', 'False')

当你执行str(df2['Product2'])时，得到的不是逐行的Product2值，而是整个Series的字符串化结果，类似这样：

0      PPP
1       Ph
2    Printer
3      Desk
Name: Product2, dtype: object

所以df1['Product1'].str.find(...)实际上是在每个Product1字符串里查找这个长文本，显然找不到匹配项，结果自然全是-1，最终所有匹配结果都是False。

修正方案 #

我们需要实现逐行对应匹配：检查df1每一行的Product1是否包含df2对应行的Product2子串。这里提供两种高效的实现方式：

方法1：使用apply逐行处理（直观易懂） #

import pandas as pd
import numpy as np

firstProductSet = {'Product1':['Computer','Phone','Printer','Desk'],'Price1':[1200,800,200,350]}
df1 = pd.DataFrame(firstProductSet,columns= ['Product1', 'Price1'])
secondProductSet = {'Product2': ['PPP','Ph','Printer','Desk'],'Price2':[900,800,300,350]}
df2 = pd.DataFrame(secondProductSet,columns= ['Product2', 'Price2'])

# 逐行检查df2的Product2是否是df1对应行Product1的子串
df1['productMatch?'] = df1.apply(lambda row: df2.loc[row.name, 'Product2'] in row['Product1'], axis=1)

print(df1)

方法2：向量化字符串匹配（性能更优） #

利用Pandas的向量化str.contains方法，直接传入df2['Product2']的数值数组：

df1['productMatch?'] = df1['Product1'].str.contains(df2['Product2'].values)

运行结果验证 #

执行修正后的代码，输出的df1会完全符合你的预期：

Product1  Price1  productMatch?
0  Computer    1200          False
1     Phone     800           True
2    Printer     200           True
3       Desk     350           True

这样就完美实现了你想要的子串匹配效果啦！

内容的提问来源于stack exchange，提问作者Kalia