Python中Series的in关键字在if与for循环中行为差异原因是什么

底层实现逻辑 #

Python中in关键字的两种使用场景，分别对应目标对象的两个不同特殊方法：

• 布尔判断场景（if x in obj）：调用对象的__contains__方法返回布尔值
• 迭代遍历场景（for x in obj）：调用对象的__iter__方法返回迭代器

pandas的Series对这两个方法的实现做了差异化设计，直接导致了两种场景下的行为不同：

1. Series.__contains__方法：默认检查目标是否存在于Series的索引中
   对应示例代码：

   var = 1
   if var in m: 
         print(var*20)
   

   这里判断的就是1是否在m的索引[1,2...12]中，符合条件所以输出20。如果要判断值是否存在，需要显式写x in m.values。
2. Series.__iter__方法：默认遍历Series的值
   对应示例代码：

   for var in m: 
         print(var) 
   

   这里迭代的就是m的取值['jan','feb'...'dec']，所以会输出所有月份名称。如果要遍历索引，可以显式调用for idx in m.index，同时遍历索引和值可以用for idx, val in m.items()。

设计逻辑依据 #

这个设计并非矛盾，而是pandas团队针对两类场景的高频使用需求做的优化：

• 布尔判断场景下，用户使用x in series的需求大多是判断指定标签（索引）是否存在，比如校验某条数据的主键是否在Series中，这个场景的出现频率远高于判断某个值是否存在，所以把__contains__的默认实现绑定到索引。
• 迭代场景下，Series作为兼容NumPy数组的一维数据结构，要和NumPy数组的迭代行为对齐（NumPy数组迭代默认遍历元素值），而且用户迭代Series时大多需要处理元素值而非索引，所以把__iter__的默认实现绑定到值。

如果要避免歧义，建议所有场景都显式指定操作的是索引还是值：比如判断索引用x in m.index，迭代值用for v in m.values，代码可读性会更高。

内容的提问来源于stack exchange，提问作者tjt