如何在Pandas DataFrame列中高效查找子串并解决AttributeError报错

嗨，我来帮你搞定这个问题～

首先咱们先搞清楚你报错的原因：你把row_data['source_id']转成了Python原生的字符串对象，而contains()是Pandas Series（也就是列）专属的方法，原生字符串根本没有这个属性，所以才会抛出AttributeError: 'str' object has no attribute 'contains'的错误。

而且还要提一句：用iterrows()逐行循环处理大DataFrame效率特别低，完全没必要这么做——Pandas最擅长的就是矢量化操作，咱们换个更高效的方式来解决这个问题。

最优解决方案：用Pandas矢量化操作查找子串 #

1. 先把整个source_id列转换成字符串类型（因为你的原始数据是int）：

my_df['source_id_str'] = my_df['source_id'].astype(str)

2. 直接用str.contains()筛选出包含目标子串的行：

# 获取所有匹配的行
matching_rows = my_df[my_df['source_id_str'].str.contains('136704')]

3. 如果需要打印行号和对应的source_id，直接遍历筛选后的结果就行（这时候循环的数据量已经很小了）：

for idx, row in matching_rows.iterrows():
    print(idx, row['source_id'])

或者更简洁地直接输出：

print(matching_rows[['source_id']])

如果你一定要用原来的循环方式（不推荐） #

那只需要把判断条件改成原生字符串的子串判断方式——用in关键字就行：

for row_num, row_data in my_df.iterrows():
    source_id = str(row_data['source_id'])
    # 把contains改成in
    if '136704' in source_id:
        print(row_num, source_id)

为什么推荐矢量化操作？ #

因为Pandas的矢量化操作是基于底层C语言实现的，处理大数据集时，速度比Python逐行循环快几十甚至上百倍，能帮你节省大量的时间～

备注：内容来源于stack exchange，提问作者user123892