如何用Pandas在大型CSV文件中查找特定关键词并获取相关行/列信息？

先看示例数据：

first     last                   email
0  Corey  Schafer  CoreMSchafer@gmail.com
1   Jane      Doe       JaneDoe@gmail.com
2   John      Doe       JohnDoe@gmail.com

第一步：把CSV读进Pandas #

不管文件多大，先加载成DataFrame：

import pandas as pd
df = pd.read_csv("你的大型CSV文件路径.csv")

第二步：全表搜关键词，不用管在哪列 #

不确定关键词在第几行第几列？直接遍历所有单元格查找，一行代码就能筛出包含目标关键词（比如"John"）的所有行：

keyword = "John"
# 生成每行的匹配标记：只要该行有任意单元格含关键词就标True
match_rows = df.applymap(lambda cell: keyword in str(cell)).any(axis=1)
# 提取所有匹配的行
matched_data = df[match_rows]

解释下：applymap会挨个检查每个单元格，转成字符串是为了避免数值类型报错；any(axis=1)意思是只要这行里有一个单元格符合条件，就算匹配成功。

第三步：查看完整结果 #

直接打印matched_data，所有包含关键词的行都会完整显示，包括该行所有列的信息。比如示例里会输出：

first last           email
2   John  Doe  JohnDoe@gmail.com

要是有多个匹配条目，所有符合的行都会被一次性捞出来，不会遗漏。

可选：精准匹配vs模糊匹配 #

上面是模糊匹配（单元格里包含关键词就算），如果要找内容完全等于关键词的单元格，把lambda表达式改了就行：

match_rows = df.applymap(lambda cell: str(cell) == keyword).any(axis=1)

大文件优化技巧 #

要是CSV文件特别大，一次性加载卡顿的话，试试分块读取：

chunk_size = 10000  # 每次读1万行
all_matches = []
for chunk in pd.read_csv("你的大型CSV文件路径.csv", chunksize=chunk_size):
    chunk_matches = chunk.applymap(lambda cell: keyword in str(cell)).any(axis=1)
    all_matches.append(chunk[chunk_matches])
# 把所有块的结果合并
final_matches = pd.concat(all_matches)

内容的提问来源于stack exchange，提问作者Fantom