Pandas如何删除某列内容完全被其他行同列包含的行

测试场景解决方案（对应你给出的示例DataFrame） #

你已经生成的布尔矩阵df_tmp中，df_tmp.iloc[i, j] = True代表第j行的文本以第i行的文本为前缀。我们只需要统计每行作为前缀的匹配次数，匹配次数大于1就说明该行文本被至少一个其他行的文本包含，需要删除：

# 统计每个文本的匹配次数（匹配自己默认算1次）
match_count = df_tmp.sum(axis=1)
# 仅保留只有自身匹配的行，即未被其他行包含的文本
df_filtered = df[match_count == 1].reset_index(drop=True)

运行后df_filtered的输出如下，符合你的预期：

实际银行对账单场景适配 #

实际业务中不能全局做文本包含判断，必须先按相同的交易日期、交易金额分组，仅在同日期同金额的交易组内执行上述去重逻辑，避免误删不同交易的合法数据：

import pandas as pd

# 自定义分组内去重函数
def drop_contained_transaction(group):
    # 生成组内文本前缀匹配矩阵
    match_matrix = group['Buchungstext'].apply(lambda x: group['Buchungstext'].str.startswith(x))
    # 统计匹配次数
    match_cnt = match_matrix.sum(axis=1)
    # 保留未被其他行包含的交易
    return group[match_cnt == 1]

# 步骤1：合并入账出账为统一金额字段方便分组，入账为正，出账为负
df['betrag'] = df['Gutschrift'].fillna(-df['Belastung'])
# 步骤2：按日期、金额分组，组内执行去重
df_result = df.groupby(['Buchungsdatum', 'betrag'], group_keys=False).apply(drop_contained_transaction).reset_index(drop=True)
# 步骤3：可选，删除临时生成的金额字段
df_result = df_result.drop(columns=['betrag'])

可选优化项 #

• 若需求是文本只要被包含即可、不需要严格前缀匹配，把代码中的str.startswith替换为str.contains
• 若要避免空格、大小写差异导致的匹配失败，可以提前清洗文本：group['Buchungstext'] = group['Buchungstext'].str.strip().str.lower()

内容的提问来源于stack exchange，提问作者Ugur