如何在Pandas DataFrame中查找指定值位置并处理空格模糊匹配

1. 提取匹配结果的行索引与列名 #

通过df[df.isin(['Apple'])].stack()得到的结果是带双层MultiIndex的Series：

• 第一层索引：对应原DataFrame的行索引
• 第二层索引：对应匹配单元格的列名
• Series的值：对应单元格的原始内容

单个匹配结果取值 #

# 取行索引，示例中对应数值6
row_index = x.index[0][0]
# 取列名，示例中对应'Fruit Name'
col_name = x.index[0][1]
# 取单元格原值，示例中对应'Apple'
value = x.iloc[0]

多匹配结果批量操作 #

for (row_idx, col_name), old_val in x.items():
    # 直接更新原DataFrame对应位置
    df.loc[row_idx, col_name] = 'Green Apple'

2. 模糊匹配带前后空格的目标值 #

Pandas没有内置islike语法，可通过字符串操作+正则实现模糊匹配，两种常用场景如下：

场景1：仅忽略前后空格做精准匹配 #

仅过滤前后空白，匹配内容完全等于Apple的单元格：

# 自动跳过非字符串类型的单元格
mask = df.applymap(lambda val: isinstance(val, str) and val.strip() == 'Apple')
match_result = df[mask].stack()

场景2：全模糊匹配（包含Apple就算命中） #

匹配所有含Apple的内容（例如 Red Apple 、Apple123等）：

# na=False表示空值不参与匹配，可添加case=False参数忽略大小写
mask = df.apply(lambda col: col.astype(str).str.contains('Apple', na=False), axis=0)
match_result = df[mask].stack()

批量替换简化方案 #

如果不需要单独提取匹配位置，仅需要全局更新符合条件的内容，可以直接用replace方法一步完成，无需提前定位：

# 正则匹配前后带任意空格的Apple，全局替换为Green Apple
df = df.replace(r'^\s*Apple\s*$', 'Green Apple', regex=True)

内容的提问来源于stack exchange，提问作者Nguyễn Huỳnh Tấn Phát