Pandas DataFrame如何按照子串匹配规则筛选指定行

你开头提到的「列C」应该是笔误，以下代码默认匹配你示例的列A、列B逻辑，如果确实是判断列C和列B的子串关系，替换对应列名即可。

方案1：列表推导式（优先推荐，性能最优） #

直接遍历两列的对应值做判断，适合绝大多数场景，性能远高于axis=1的apply操作：

import pandas as pd

# 构造示例DataFrame，可替换为你自己的数据集
df = pd.DataFrame({
    'Column A': ['string', 'another', 'nope'],
    'Column B': ['str', 'arr', 'eee']
})

# 核心筛选逻辑：保留 列B值不是列A值子串 的行
filtered_df = df[[b not in a for a, b in zip(df['Column A'], df['Column B'])]]

方案2：apply逐行判断（可读性高，适合小表） #

逻辑直观好理解，数据量低于1万行的场景可以用：

filtered_df = df[df.apply(lambda row: row['Column B'] not in row['Column A'], axis=1)]

补充说明 #

如果需要不区分大小写判断子串，提前把两个列的内容统一转成小写/大写即可：

filtered_df = df[[b.lower() not in a.lower() for a, b in zip(df['Column A'], df['Column B'])]]

内容的提问来源于stack exchange，提问作者dear_tzvi