Python遍历DataFrame检查列值是否存在于列表并新增匹配标识列的方法

• 结果长度不匹配：原代码嵌套了两层循环，每遍历DataFrame的1行，就会遍历3次子市场列表，每比对1次列表元素就往结果列表加1个值，最终结果列表的长度是「DataFrame行数 × 子市场列表长度」，和DataFrame的行数完全不一致，直接赋值给新列会直接报错，就算强行赋值结果也完全错误。
• 匹配逻辑错误：需求是匹配列表中任意一个元素就算符合要求，但原代码只要和某一个列表元素不匹配就会插入No，就算后续遇到匹配项也会同时插入yes，一行会对应3个结果，完全不符合需求。
• 执行效率低下：iterrows本身遍历DataFrame的效率极低，在数据量较大的场景下耗时会是向量化操作的几十上百倍，完全没有必要用循环实现这个需求。

直接用pandas内置的isin()向量化方法实现，一行代码就能完成需求，逻辑清晰效率更高：

submarket_list = [ 'South Financial District', 'Financial District', 'South of Market']
# isin方法会直接返回每行是否在列表中的布尔值，再通过map转换为yes/No
test_df['Submarket Check'] = test_df['Submarket'].isin(submarket_list).map({True: 'yes', False: 'No'})

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