如何使用国家代码列表对pandas DataFrame进行多值筛选

场景1：国家代码完全匹配（推荐，性能最优） #

如果你的country_code列的值是纯国家代码，和列表内元素完全一致，直接用pandas内置的isin()方法即可，不需要自定义循环逻辑：

countries = ['DE', 'GB', 'IT']
# 如果你手里的是Series对象（和你示例结构一致）
df = df[df.isin(countries)]
# 如果你后续把它转为DataFrame，写法为
# df = df[df['country_code'].isin(countries)]

场景2：需要模糊包含匹配 #

如果你的列值不是纯国家代码（例如包含地区后缀等），需要判断值是否包含列表内任意国家代码，用str.contains拼接正则实现：

countries = ['DE', 'GB', 'IT']
# 拼接为正则或逻辑格式
pattern = '|'.join(countries)
df = df[df.str.contains(pattern, na=False)]

参数na=False的作用是把列中的空值直接判定为不匹配，避免空值引发运算报错。

自定义apply写法（不推荐，性能较差） #

如果你一定要沿用apply的写法实现你示例中的逻辑，只需要配合any()函数遍历国家列表即可：

countries = ['DE', 'GB', 'IT']
df = df[df.apply(lambda x: any(country in x for country in countries))]

提示：前两种方法都是pandas向量化运算，比逐行遍历的apply方法性能高1~2个数量级，数据量越大优势越明显。

内容的提问来源于stack exchange，提问作者oakca