Pandas多条件筛选时isin与str.contains结果差异原因咨询

两个方法的核心匹配逻辑区别 #

• isin是完全精确匹配：只有当countryname列的单元格完整值，和你传入的countries列表中某一个元素完全相等时，才会返回True，字符、大小写、空格有任何差异都不会匹配成功。
• str.contains是子串模糊匹配：只要countryname列的单元格字符串中包含你传入的关键字，无论关键字前后是否存在其他内容，都会返回True。

本次场景下结果不一致的具体原因 #

你数据集里的countryname字段存储的大概率是完整国名，比如Bosnia and Herzegovina、Republic of Croatia这类格式，而非countries列表里的简短单值Bosnia、Croatia：

1. 使用isin时，只有国名刚好和列表里的短名称完全一致的记录能被匹配到，所以只返回了2条结果。
2. 使用str.contains时，只要完整国名里包含你输入的关键字就能匹配成功，同时你还额外加入了countries列表中没有的Montenegro匹配规则，覆盖了更多符合要求的记录，所以最终返回了预期的12条结果。

如果要优化模糊匹配的写法，不需要写多个或条件，可以直接用正则合并匹配规则：

# 等价于多个str.contains或条件的简化写法
target_countries = 'Bosnia|Croatia|Kosovo|Macedonia|Montenegro|Serbia|Slovenia'
projects[
    (projects['boardapprovaldate'] < pd.Timestamp(datetime.date(1992,4,27))) & 
    (projects['countryname'].str.contains(target_countries, na=False))
][cols_to_keep.columns].sort_values('boardapprovaldate')

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