如何不用apply逐行检查DataFrame指定列是否含目标字符串？

需求：检查DataFrame的指定列子集内，是否存在任意一列包含目标字符串列表中的任一字符串。已通过apply实现需求，现寻求更符合Python风格的替代方案。

原始实现及输出 #

示例数据 #

import pandas as pd

df = pd.DataFrame({'col1': ['cat', 'dog', 'mouse'],
                   'col2': ['car', 'bike', '']})

自定义函数+apply实现 #

def check_data(df_row, cols, strings):
    for j in cols:
        if df_row[j] in strings:
            return 1
    return 0

# 单列匹配
df['answer'] = df.apply(check_data, cols=['col1'], strings=['dog', 'cat'], axis=1)

输出：

col1  col2  answer
0   cat   car       1
1   dog  bike       1
2  mouse           0

# 多列匹配
df['answer'] = df.apply(check_data, cols=['col1', 'col2'], strings=['bike', 'mouse'], axis=1)

输出：

col1  col2  answer
0   cat   car       0
1   dog  bike       1
2  mouse           1

更Pythonic的向量化实现 #

利用Pandas原生的向量化操作替代逐行循环，代码更简洁且效率更高：

单列场景 #

直接使用isin()生成布尔序列，再转为整数：

df['answer'] = df['col1'].isin(['dog', 'cat']).astype(int)

多列场景 #

先通过isin()生成布尔矩阵，再用any(axis=1)判断每行是否存在匹配项，最后转为整数：

cols = ['col1', 'col2']
strings = ['bike', 'mouse']
df['answer'] = df[cols].isin(strings).any(axis=1).astype(int)

核心优势 #

• 效率更高：向量化操作避免了apply的逐行循环，处理大数据集时性能提升明显
• 代码简洁：无需自定义函数，一行代码完成需求
• 可读性强：符合Pandas惯用写法，逻辑清晰直观

内容的提问来源于stack exchange，提问作者Sjoseph