如何检查pandas Series值是否出现在另一DataFrame的对应行中

错误是因为你在实际运行的代码中，给series.values == df额外套了一层多余的方括号：
原正确示例中的写法是np.sum(s.values == df, axis=1) >0，但你实际运行的是np.sum([series.values==df], axis=1) >0，外层多出来的[]会给原本shape为(行数, 列数)的布尔矩阵新增一个维度，变成(1, 行数, 列数)的三维数组，求和时的维度逻辑完全错乱，触发了pandas的长度校验错误。

推荐直接使用pandas原生方法实现需求，不仅写法更简洁，还能自动处理NaN的等值判定（原生==会认为NaN == NaN结果为False，eq方法会判定为True，符合你示例中NaN行的匹配预期）：

# axis=0表示按行对齐Series和DataFrame的索引做元素级比较
# any(axis=1)表示判断每行是否存在至少一个匹配项
mask = df.eq(series, axis=0).any(axis=1)

如果要保留你原来的numpy写法，只需要去掉外层多余的方括号即可：

mask = np.sum(series.values == df, axis=1) > 0

• 注意：如果你的数值是浮点计算生成的，存在精度误差风险，可以用以下方式做近似匹配：

mask = np.isclose(df, series.values[:, None], equal_nan=True).any(axis=1)

以你给出的示例数据为例，最终生成的mask最后4行会返回True，完全符合预期。

内容的提问来源于stack exchange，提问作者user3062260