如何使用pandas.query()检测DataFrame列表列中是否存在指定字符串？

假设我有如下结构的DataFrame：

col1
0   ['str1', 'str2']
1   ['str3', 'str4']
2   []
3   ['str2', 'str4']
4   ['str1', 'str3']
5   []

我想用df.query()语句实现和'str3' in col1等效的筛选逻辑，最终得到如下结果：

col1
1   ['str3', 'str4']
4   ['str1', 'str3']

尝试使用df.query("col1.str.contains('str3')")时出现报错：

"None of [Float64Index([nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,\n ...\n nan, nan, nan, nan, nan, nan, nan, nan, nan, nan],\n dtype='float64', length=652)] are in the [index]"

推测是因为str.contains是针对字符串列的方法，而当前列是列表类型，空列表触发str访问器返回NaN，进而导致索引匹配错误。由于我需要制作支持用户自定义查询字符串的脚本，因此优先使用查询字符串方式，而非列表构造方法。

直接在df.query()中使用apply结合lambda表达式来判断元素是否在列表中，语句如下：

df.query("col1.apply(lambda lst: 'str3' in lst)")

为什么之前的方法失效？ #

col1.str.contains('str3')的问题在于：str访问器是专门为字符串类型的列设计的，当列中元素是列表（非字符串）时，str.contains会对每个列表返回NaN，这些NaN组成的Series无法正确匹配索引，最终抛出错误。而使用apply(lambda lst: 'str3' in lst)可以直接遍历每个列表元素，判断目标字符串是否存在，返回布尔值Series，能被query正确识别用于筛选。

内容的提问来源于stack exchange，提问作者Peregrin5