基于部分字符串匹配创建新的Pandas DataFrame

没问题！这在pandas里完全可以用内置功能实现，我给你两种常用的方法，你可以根据自己的数据规模和需求选择：

方法一：直接用apply筛选（适合中小数据集） #

首先假设你的DataFrame结构类似这样（我先造个示例方便演示）：

import pandas as pd

df = pd.DataFrame({
    'UserID': [101, 102, 103, 104],
    'Book': [['International', 'Monthly'], ['Domestic'], ['Subscription', 'Digital'], ['International', 'Subscription']]
})

要提取包含目标字符串的行，只需要对Book列使用apply，配合lambda函数检查目标值是否在列表中，再用布尔索引筛选即可：

1. 生成包含International的DataFrame #

df_international = df[df['Book'].apply(lambda x: 'International' in x)]

2. 生成包含Domestic的DataFrame #

df_domestic = df[df['Book'].apply(lambda x: 'Domestic' in x)]

3. 生成包含Subscription的DataFrame #

df_subscription = df[df['Book'].apply(lambda x: 'Subscription' in x)]

这种方法逻辑直观，代码简洁，对于中小规模的数据完全够用。

方法二：用explode拆分后筛选（适合大数据集） #

如果你的数据集很大，apply的效率可能不够高，这时候可以先把列表拆分成多行，筛选后再合并回原结构：

# 先将Book列的列表拆分为多行
df_exploded = df.explode('Book')

# 筛选出International的行，再按UserID分组还原列表
df_international = df_exploded[df_exploded['Book'] == 'International'].groupby('UserID')['Book'].apply(list).reset_index()

# 同理处理Domestic和Subscription
df_domestic = df_exploded[df_exploded['Book'] == 'Domestic'].groupby('UserID')['Book'].apply(list).reset_index()
df_subscription = df_exploded[df_exploded['Book'] == 'Subscription'].groupby('UserID')['Book'].apply(list).reset_index()

这种方法利用pandas的向量化操作，效率会比apply更高，适合处理百万级以上的数据集。

两种方法都不需要额外安装库，都是pandas的内置功能，你可以根据自己的情况选择~

内容的提问来源于stack exchange，提问作者Warthog1