如何判断Pandas某列值是否存在于另一列的列表中？

问题分析 #

你之前的方法失效原因很明确：

• df['amount'].isin(df['possible_amount'])是把possible_amount列的所有列表元素合并成一个全局集合做检查，不是逐行判断当前amount是否在该行的possible_amount列表里；而且如果possible_amount是列表对象，isin无法正确识别元素，直接返回全False。
• str.contains()只适用于字符串子串匹配，你的possible_amount是列表类型，强制转成字符串后匹配逻辑完全不符合需求。

正确解法 #

方法1：apply逐行处理（简单直观，适合小数据集） #

直接用lambda函数逐行判断amount是否在对应行的列表中：

import pandas as pd

# 构造示例数据
data = {
    'id': [0, 1, 2],
    'amount': ['1.00', '45.00', '37.00'],
    'possible_amount': [['1.00', '2.00', '3.00'], ['100.00', '45.00'], ['29.00', '38.00']]
}
df = pd.DataFrame(data)

# 新增match列
df['match'] = df.apply(lambda row: row['amount'] in row['possible_amount'], axis=1)

执行后得到预期结果：

id amount      possible_amount  match
0   0   1.00  [1.00, 2.00, 3.00]   True
1   1  45.00     [100.00, 45.00]   True
2   2  37.00      [29.00, 38.00]  False

方法2：处理字符串格式的列表（如果你的possible_amount是字符串） #

如果possible_amount列实际是类似"['1.00', '2.00', '3.00']"的字符串，需要先转成真实列表再匹配：

import ast

# 先把字符串转成列表
df['possible_amount'] = df['possible_amount'].apply(ast.literal_eval)
# 再执行匹配逻辑
df['match'] = df.apply(lambda row: row['amount'] in row['possible_amount'], axis=1)

方法3：矢量化方法（适合大数据集，效率更高） #

如果数据量很大，apply效率偏低，可以用explode结合分组实现：

# 拆分列表并保留关联id
exploded_df = df[['id', 'amount', 'possible_amount']].explode('possible_amount')
# 标记每行是否匹配
exploded_df['match'] = exploded_df['amount'] == exploded_df['possible_amount']
# 按id分组，取是否存在匹配结果
df['match'] = exploded_df.groupby('id')['match'].any()

内容的提问来源于stack exchange，提问作者amnesic