如何判断DataFrame的Code列值是否为另一DataFrame的City列子串并新增exists列

问题原因 #

你使用的df1["Code"].isin(df2["City"])是精确匹配逻辑，它只会检查Code列的完整值是否完全等于df2 City列中的某一项。比如don和Paris/London等City值都不相等，所以返回全False，但你需要的是子串包含匹配——判断Code值是否是某个City字符串的一部分。

正确实现代码 #

可以用apply结合any()实现子串检查，逻辑清晰且易理解：

# 先把df2的City列转为列表，方便后续遍历检查
city_list = df2["City"].tolist()

# 为df1新增exists列，判断每个Code是否是任意City的子串
df1["exists"] = df1["Code"].apply(lambda code: any(code in city for city in city_list))

执行后得到的df1与期望结果一致：

大数据量优化方案 #

如果数据集规模较大，上面的遍历方法效率偏低，可以用向量化的正则匹配方案提升性能：

# 生成匹配所有Code子串的正则模式，用|分隔不同匹配项
pattern = '|'.join(df1["Code"])
# 从所有City中提取出包含的Code子串，去重后得到匹配集合
matched_codes = df2["City"].str.extract(f'({pattern})', expand=False).dropna().unique()
# 最后用isin判断Code是否在匹配集合中
df1["exists"] = df1["Code"].isin(matched_codes)

内容的提问来源于stack exchange，提问作者user17312322