如何在Pandas中为DataFrame逐行应用不同isin操作（无循环）

问题场景 #

需要逐行对比两个二维数组：检查arr2每行的每个元素是否存在于arr1的对应行中，存在标记为1，不存在标记为0，最终输出每行的0/1结果列表。

示例数据 #

arr1 = [[1, 7, 6, 2, 8],
        [1, 5, 4, 8],
        [8, 2, 5]]

arr2 = [[8, 1, 5, 0, 7, 2, 9, 4],
        [0, 1, 8, 5, 3, 4, 7, 9],
        [9, 2, 0, 6, 8, 5, 3, 7]] 

预期结果（以arr2第一行为例） #

[1, 1, 0, 0, 1, 1, 0, 0]

原有循环实现 #

import pandas as pd

d1 = pd.DataFrame(arr1)
d2 = pd.DataFrame(arr2)

for y in range(len(arr1)):
    print(d2.iloc[y].isin(d1.iloc[y]).astype(int).tolist())

无循环解决方案 #

利用Pandas的apply方法结合行索引关联，避免显式遍历行：

实现代码 #

import pandas as pd

arr1 = [[1, 7, 6, 2, 8],
        [1, 5, 4, 8],
        [8, 2, 5]]

arr2 = [[8, 1, 5, 0, 7, 2, 9, 4],
        [0, 1, 8, 5, 3, 4, 7, 9],
        [9, 2, 0, 6, 8, 5, 3, 7]] 

d1 = pd.DataFrame(arr1)
d2 = pd.DataFrame(arr2)

# 将arr1的每行转换为集合，存储为与行索引对应的Series
arr1_row_sets = pd.Series([set(row) for row in arr1], index=d1.index)

# 对d2每行应用检查：根据行索引取对应集合，判断元素是否存在并转0/1
result = d2.apply(lambda row: row.isin(arr1_row_sets[row.name]).astype(int), axis=1)

# 输出每行的结果列表
for row in result.values.tolist():
    print(row)

输出结果 #

[1, 1, 0, 0, 1, 1, 0, 0]
[0, 1, 1, 1, 0, 1, 0, 0]
[0, 1, 0, 0, 1, 1, 0, 0]

原理说明 #

• 先将arr1的每行转换为集合，集合的成员查询效率远高于列表，提升判断速度；
• 用pd.Series存储这些集合，确保每个集合与原数据的行索引一一对应；
• 通过d2.apply(..., axis=1)逐行处理d2，利用row.name获取当前行的索引，关联到arr1对应的集合，再用isin()完成元素存在性检查，最后转为整数类型的0/1。

这种方法避免了显式的for循环遍历行，更符合Pandas的向量化编程风格，同时保持代码可读性。

内容的提问来源于stack exchange，提问作者Joseph Kirtman