Pandas中判断字符串是否存在于列中两种方式结果不一致的疑问

我太懂这种时隔好久重拾Pandas，结果遇到操作和记忆里不一样的懵圈感了！你遇到的这个问题其实是Pandas里一个很容易踩的小坑，咱们把它掰扯清楚：

你手上有一个包含Email列的DataFrame，数据量有11万多条记录，当你用'abc' in df.Email判断字符串是否存在时返回了False，但用df.Email.str.contains('abc')却得到了True，这两种写法的本质完全不一样：

• 关于'abc' in df.Email：
  这个写法完全不是检查列里的单元格内容！它实际是在判断'abc'是不是这个Series（也就是Email列）的索引标签，和单元格里的内容半毛钱关系都没有。哪怕你的列里全是'abc'，只要索引里没有叫'abc'的标签，它就会返回False。

• 关于df.Email.str.contains('abc')：
  这才是你真正需要的判断方式！它会遍历Email列的每一个单元格，检查'abc'是不是该单元格字符串的子串，最后返回一个由布尔值组成的Series，只要有一个单元格里包含'abc'，结果里就会出现True。

咱们用一个极简的例子验证下就更清楚了：

import pandas as pd
df = pd.DataFrame({'Email': ['abc', 'def']})
'abc' in df.Email  # 结果是False，因为索引是0、1，没有'abc'这个标签
df.Email.str.contains('abc')  # 结果是0    True\n1    False，准确找到包含'abc'的行

确实，隔段时间不用Pandas很容易把Python原生的in操作和Pandas的Series操作搞混，以前的记忆没出错，只是咱们记错了对应的写法而已～

内容来源于stack exchange