如何批量检索遵循递增命名规则的DataFrame列中的字符串，简化重复代码

解决方案 #

你可以完全不用写冗余的重复判断，两种实现方式都能达到和你原有代码完全一致的效果：

方式1：更简洁的向量化写法（推荐，无需显式写for循环）

首先生成你要检索的目标列列表，你原有代码是从name2检索到name40：

import pandas as pd

# 生成目标列名列表
target_cols = [f'name{i}' for i in range(2, 41)]
# 你的待检索字符串列表，把50个字符串都放这里
search_strings = ["String001", "String002", ...]

如果是单字符串检索（比如只查String001）：

criteria = df[target_cols].apply(lambda col: col.str.contains("String001", na=False)).any(axis=1)

如果是要匹配50个字符串中的任意一个，直接拼接正则表达式一次匹配，效率更高：

# 把所有待检索字符串拼接为正则的或关系
match_pattern = '|'.join(search_strings)
# 任意一列包含任意一个待检索字符串就返回True
criteria = df[target_cols].apply(lambda col: col.str.contains(match_pattern, na=False, regex=True)).any(axis=1)

代码里的any(axis=1)等价于你原有代码里所有列判断结果用|连接的逻辑。

提示：如果你的待检索字符串包含.、*这类正则特殊字符，拼接pattern的时候要先转义：

import re
match_pattern = '|'.join(re.escape(s) for s in search_strings)

方式2：用for循环实现

如果你需要显式用for循环实现，逻辑也很简单：

target_cols = [f'name{i}' for i in range(2, 41)]
# 初始化全为False的布尔序列
criteria = pd.Series([False]*len(df), index=df.index)

for col in target_cols:
    # 每列的匹配结果用或逻辑合并
    criteria |= df[col].str.contains("String001", na=False)

如果要为每个待检索字符串单独生成匹配结果，再加一层循环即可：

result = {}
for s in search_strings:
    result[s] = df[target_cols].apply(lambda col: col.str.contains(s, na=False)).any(axis=1)

内容的提问来源于stack exchange，提问作者Natrilix