Pandas无法基于子串过滤数据：TypeError报错问题求助

问题场景 #

原始数据集：

company_url         Name                  Revenue
mackter.com         Mack Sander           NaN
nientact.com        Neient Dan            321
ventienty.com       Richard               NaN

需求：移除所有company_url或Name列中包含'tac'、'bux'或'mvy'子串的行（例如nientact.com包含'tac'，该行需删除）。

尝试的错误代码：

lists=['tac', 'bux', 'mvy']
for i in lists:
    df = df[~df['company_url].str.contains(i)]

触发报错：TypeError: unhashable type: 'list'

错误原因 #

首先代码存在低级笔误：df['company_url]少了一个闭合的单引号，正确写法是df['company_url']。另外循环逐个子串过滤的方式不仅效率低，还容易因中间数据修改引发逻辑问题，更简洁可靠的方式是用正则表达式一次性匹配所有目标子串。

正确解决方案 #

直接用str.contains结合正则表达式，一次性完成多子串匹配，同时处理两列的过滤逻辑：

import pandas as pd

# 构造原始数据（已有DataFrame可跳过此步骤）
data = {
    'company_url': ['mackter.com', 'nientact.com', 'ventienty.com'],
    'Name': ['Mack Sander', 'Neient Dan', 'Richard'],
    'Revenue': [pd.NA, 321, pd.NA]
}
df = pd.DataFrame(data)

# 定义需要过滤的子串列表
filter_substrings = ['tac', 'bux', 'mvy']
# 用|拼接成正则匹配模式，匹配任意一个目标子串
match_pattern = '|'.join(filter_substrings)

# 执行过滤：保留两列都不包含目标子串的行
# case=False 忽略大小写（不需要可删除），na=False 把NaN值视为不匹配，避免报错
filtered_df = df[~(
    df['company_url'].str.contains(match_pattern, case=False, na=False) |
    df['Name'].str.contains(match_pattern, case=False, na=False)
)]

print(filtered_df)

运行结果：

company_url         Name Revenue
0    mackter.com  Mack Sander    <NA>
2  ventienty.com      Richard    <NA>

关键说明 #

• '|'.join(filter_substrings)把多个子串拼成tac|bux|mvy，正则中|表示“或”，可匹配任意一个目标子串
• ~符号用于取反，保留不符合过滤条件的行
• na=False参数避免因列中存在NaN值触发报错，将NaN视为不包含目标子串

内容的提问来源于stack exchange，提问作者Patrik