如何用Pandas实现列间字符串与子串的双向包含校验？

示例数据 #

需求描述 #

现有包含字符串与子串的Pandas DataFrame列A和B，需实现列C的逻辑：若A的值是B的子串，或B的值是A的子串，满足任一条件则返回True，否则返回False（空值对应空结果）。例如：catastrop包含cata返回True，ani是animal的子串返回True。

尝试的代码 #

我初步编写的代码如下：

list1=a1['A'].tolist()
output1=[]
for i in list1:
    output1.append(any(a1['B'].str.contains(i,regex=False)))

并计划与B列的校验结果做或运算，但反向校验的代码：

list2=a1['B'].tolist()
output2=[]
for i in list2:
    output2.append(any(a1['A'].str.contains(i,regex=False)))

得到的是针对B列的校验结果，而非A列的。请问如何编写正确的Pandas代码实现需求？

正确实现方案 #

方案一：逐行判断（易理解） #

import pandas as pd

# 转换空字符串为pd.NA，统一空值判断逻辑
a1['A'] = a1['A'].replace('', pd.NA)
a1['B'] = a1['B'].replace('', pd.NA)

# 生成列C
a1['C'] = a1.apply(
    lambda row: 
    pd.NA if pd.isna(row['A']) or pd.isna(row['B']) 
    else (row['A'] in row['B'] or row['B'] in row['A']),
    axis=1
)

方案二：矢量化操作（高性能） #

如果数据集较大，优先用这个版本，避免逐行循环：

import pandas as pd

# 转换空字符串为pd.NA
a1['A'] = a1['A'].replace('', pd.NA)
a1['B'] = a1['B'].replace('', pd.NA)

# 生成两个子串判断掩码
mask_a_in_b = a1['A'].notna() & a1['B'].notna() & a1['B'].str.contains(a1['A'], regex=False)
mask_b_in_a = a1['A'].notna() & a1['B'].notna() & a1['A'].str.contains(a1['B'], regex=False)

# 合并掩码得到C列，空值位置填充pd.NA
a1['C'] = (mask_a_in_b | mask_b_in_a).where(a1['A'].notna() & a1['B'].notna(), pd.NA)

关键说明 #

你的原代码逻辑错误在于：any(a1['B'].str.contains(i))是判断当前A值是否存在于所有B行中，而不是对应行的B值。上面的方案都是针对同一行的A和B进行子串判断，完全符合需求。

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