为何无法判断NumPy数组元素是否存在于Pandas DataFrame中？

先还原你的场景：你已经成功实现了检查DataFrame c 第一列元素是否在NumPy数组 b 中，但反过来判断 b 的元素是否在 c 时代码无法运行，先看你的问题代码：

import numpy as np
import pandas as pd

# 初始化数据
a = np.array([ [2.,1.,1.], [3.,4.,1.], [5.,6.,1.], [7.,8.,1.]])
c = pd.DataFrame(data=a, dtype = 'float64')
b = np.array(([1, 10, 5, 2]), dtype = 'float64')

# 这段代码正常运行
for i in range(len(c)):
    if c.iloc[i,0] in b:
        print ("Great")
    else:
        print ('sad')
# 输出：Great sad Great sad

# 这段代码无法正常运行
for i in range(len(b)):
    if b[i,0] in c:
        print ('hola')
    else:
        print ('False')

为什么这段代码会出错？我帮你拆解两个核心问题： #

• 错误1：NumPy数组的维度使用错误
  你定义的b是一维数组——虽然你写了np.array(([1, 10, 5, 2]))，但外层括号只是包裹了一个列表，NumPy会自动解析成一维数组（你可以打印b.shape验证，结果是(4,)，而非(4,1)）。所以b[i,0]这种二维索引的写法会直接报错，正确的索引方式是b[i]，或者更简洁地直接遍历b的元素。

• 错误2：Pandas DataFrame的in操作逻辑和你想的不一样
  当你写x in c时，Pandas的判断逻辑是检查x是否是DataFrame的列名，而不是检查x是否存在于DataFrame的元素中！这和NumPy数组的in行为完全不同——数组的in是检查元素是否在数组内，但DataFrame的in是针对列名的。所以哪怕你修正了数组索引，b[i] in c也会一直返回False，因为b里的元素都不是c的列名（c的列名是0、1、2）。

正确的实现方式 #

根据你的需求（应该是检查b的元素是否在c的第一列，和之前的逻辑对应），给你两种高效的写法：

方法1：针对c的第一列进行判断（推荐，效率更高）

先把c的第一列转成集合（集合的元素查找是O(1)，比直接遍历列快很多），再遍历b的元素：

import numpy as np
import pandas as pd

a = np.array([ [2.,1.,1.], [3.,4.,1.], [5.,6.,1.], [7.,8.,1.]])
c = pd.DataFrame(data=a, dtype = 'float64')
b = np.array(([1, 10, 5, 2]), dtype = 'float64')

# 把c的第一列转成集合
c_first_col = set(c.iloc[:, 0])

for num in b:
    if num in c_first_col:
        print('hola')
    else:
        print('False')
# 输出：False False hola hola

方法2：检查元素是否在DataFrame的任意位置

如果你需要判断b的元素是否存在于c的所有元素中，可以先把DataFrame扁平化转成一维数组再转集合：

# 把整个DataFrame转成一维数组后转集合
c_all_elements = set(c.to_numpy().flatten())

for num in b:
    if num in c_all_elements:
        print('hola')
    else:
        print('False')
# 输出：hola False hola hola（因为1存在于c的其他列）

总结关键坑点： #

1. 别混淆NumPy一维数组和二维数组的索引方式，用b.shape可以快速查看数组维度。
2. 记住Pandas DataFrame的in操作是检查列名的，要判断元素是否存在，必须明确指定要检查的列或者把元素转成可遍历的集合/数组。

内容的提问来源于stack exchange，提问作者Andy Wang