Pandas如何实现整数列类似str.contains的列表值筛选？

• 直接报错的核心原因：pandas的.str访问器仅支持字符串类型的Series对象调用，你的ID列存储的是整数类型值，直接调用该访问器必然触发AttributeError。
• 底层逻辑选型错误：str.contains的作用是做字符串子串模糊匹配，根本不适配「判断值是否属于给定整数列表」的精确匹配场景。

注意：不要为了套用str.contains强行把整数ID列转为字符串类型，该方案不仅存在不必要的类型转换性能损耗，还会因为子串匹配逻辑出现误判——比如ID为151的员工会被误匹配到bonus列表中的1513，导致筛选结果错误。

针对整数类型列的列表成员判断，直接用pandas内置的isin()方法即可，该方法底层做了C级优化，哪怕待匹配的ID列表规模很大，运行效率也很高，完全满足筛选需求。
完整可运行代码如下：

# 待发放奖金的员工ID列表
bonus = [1513, 5454, 6545, 3425, 32424, 2341, 3424, 4568, 4812]

# 构造双条件筛选规则：ID在奖金列表内 + 薪资小于5000
filter_mask = df["ID"].isin(bonus) & (df["SALARY"] < 5000)

# 提取符合条件的数据，仅保留ID、SALARY两列
bonus_employees = df.loc[filter_mask, ["ID", "SALARY"]]

如果实际业务中待匹配的bonus列表规模达到万级/十万级以上，可以先把列表转为集合类型再传入isin()，能进一步压缩判断耗时，写法调整为：

filter_mask = df["ID"].isin(set(bonus)) & (df["SALARY"] < 5000)

运行后得到的输出格式和预期完全一致，示例如下：

ID  SALARY
0  1513    2933
1  3424    2500
2  3425    1542
3  2341    3600

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