如何用Lambda筛选同时包含ROBERT和JAMES的DataFrame行？

我有一个包含人员全名的DataFrame：

d = {'col1': ["JOHN JAMES CONNOR", "ROBERT JAMES FORBIS", "JOSEPH ROBERT SUM", "JAMES LUM ROBERT", "MARGARET ADELMAN JOHNSON", "JAMES ROBERT SMITH"]}
df = pd.DataFrame(data=d, index=[0, 1, 2, 3, 4, 5])

对应的表格：

我希望筛选出同时包含ROBERT和JAMES的行（不考虑词的顺序），预期结果：

尝试了以下代码：

d[lambda x: x['col1'].str.contains('ROBERT', na=False)] & d[lambda x: x['col1'].str.contains('JAMES', na=False)]

但报错：

TypeError: unsupported operand type(s) for &: 'float' and 'bool'

错误原因 #

你犯了两个关键错误：

1. d是原始字典，不是DataFrame对象，直接用d[lambda x: ...]无法生成正确的布尔索引，返回的混合类型触发了类型不匹配报错。
2. 即使操作对象是DataFrame，直接用&连接两个切片结果也不符合语法，应该先生成独立的布尔掩码，再组合筛选。

正确实现方式 #

先将字典转为DataFrame并赋值给变量，生成两个布尔掩码后用&组合筛选：

import pandas as pd

d = {'col1': ["JOHN JAMES CONNOR", "ROBERT JAMES FORBIS", "JOSEPH ROBERT SUM", "JAMES LUM ROBERT", "MARGARET ADELMAN JOHNSON", "JAMES ROBERT SMITH"]}
df = pd.DataFrame(data=d, index=[0, 1, 2, 3, 4, 5])

# 生成两个布尔掩码
has_robert = df['col1'].str.contains('ROBERT', na=False)
has_james = df['col1'].str.contains('JAMES', na=False)

# 组合掩码并筛选
result = df[has_robert & has_james]
print(result)

也可以用更简洁的链式写法：

result = df[df['col1'].str.contains('ROBERT', na=False) & df['col1'].str.contains('JAMES', na=False)]

扩展：精准匹配完整单词 #

如果担心出现子字符串误匹配（比如名字里有ROBERTA这类包含ROBERT的情况），可以用正则单词边界\b确保匹配完整单词：

result = df[df['col1'].str.contains(r'\bROBERT\b', na=False) & df['col1'].str.contains(r'\bJAMES\b', na=False)]

内容的提问来源于stack exchange，提问作者Julia Affonso