如何根据DataFrame列中列表包含指定元素筛选行？

嘿，我来帮你搞定这个报错！你遇到的KeyError: False是因为写法逻辑错了——'a' in df['col3']是在检查整个col3列这个Series对象里是否存在'a'，而不是逐行判断每个列表里有没有'a'，所以它返回的是单个布尔值False，但df.loc[]需要的是和DataFrame行数一致的布尔数组，自然就触发报错了。

下面给你几种可行的解决方案：

方法1：用apply()逐行检查（简单直观） #

这是最容易理解的写法，用apply()遍历col3的每个列表，判断目标值是否在其中：

import pandas as pd

# 先构造你的DataFrame
df = pd.DataFrame({
    'col1': [0, 2, 4],
    'col2': [1, 3, 5],
    'col3': [['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']]
})

# 筛选col3包含'a'的行
filtered_df = df[df['col3'].apply(lambda x: 'a' in x)]
print(filtered_df)

运行后会得到只有第一行的结果，完全符合预期。

方法2：列表推导式生成掩码（效率略高） #

如果你觉得apply()不够优雅，也可以用列表推导式直接生成布尔掩码，性能比apply()稍好一点：

mask = ['a' in lst for lst in df['col3']]
filtered_df = df[mask]

效果和方法1完全一致，写法更简洁。

方法3：用explode()处理大数据量（性能最优） #

如果你的DataFrame行数很多，上面两种方法的逐行操作效率会偏低，这时候可以用explode()把列表拆成多行，再通过索引反向筛选：

# 把col3的列表拆分为多行，每行对应一个列表元素
exploded_df = df.explode('col3')
# 筛选出col3等于'a'的行，提取它们的索引
target_indices = exploded_df[exploded_df['col3'] == 'a'].index
# 用索引从原DataFrame取对应行
filtered_df = df.loc[target_indices]

这种方法利用了Pandas的向量化操作，处理大规模数据时速度会快很多。

内容的提问来源于stack exchange，提问作者Sean