如何检测DataFrame列字符串/子串是否存在于另一DataFrame列中

你当前写的isin()方法仅能实现两列值的完全等值匹配，无法覆盖子串包含的匹配场景，直接通过正则拼接的矢量化实现就能同时满足两种匹配需求，不需要写低效的多层循环。

实现代码 #

import re
import numpy as np

# 预处理df2的VM列：去空、转字符串、去重、转义正则特殊字符后拼接为匹配模式
vm_match_pattern = '|'.join(
    re.escape(item) for item in df2['VM'].dropna().astype(str).unique()
)

# 同时判断完全匹配+子串匹配
df1['CrowdStrike'] = np.where(
    # 保留原有的完全匹配逻辑
    df1['VM'].isin(df2['VM'])
    # 新增子串匹配：只要df1当前VM值是df2任意VM值的子串，就命中
    | df1['VM'].astype(str).str.contains(vm_match_pattern, regex=True, na=False),
    'YES',
    'NO'
)

匹配规则自定义说明 #

• 如果你需要双向包含匹配：即df1的VM值和df2任意VM值只要存在互相包含的关系（不管谁是谁的子串）就算命中，只需要额外补充一层反向匹配逻辑即可：把df1的VM值也按相同规则拼成正则模式，对df2做匹配后映射回df1，再和现有判断结果做或运算。
• 如果你只需要df2的VM值是df1当前VM值的子串才算命中，现有代码不需要修改，直接运行即可。
• 代码中加入re.escape是为了转义VM值里可能存在的正则特殊字符（比如.、*、(这类），避免匹配逻辑出错；na=False用于处理列中的空值，防止空值触发类型报错或判断异常。
• 当数据量超过10万行时，这个矢量化实现的性能比嵌套循环/apply逐行判断高10~100倍，和原生isin()的性能差距很小，适合大表匹配场景。

内容的提问来源于stack exchange，提问作者tristan.howard