如何在Pandas DataFrame整行中检测指定子字符串并获取对应ID？

嘿，我懂你这种被低效方法卡得头疼的感觉——循环、拼接列、转字典这些操作，数据量一大就慢得离谱。下面给你分享几个基于Pandas矢量化特性的高效解法，完全避开Python层面的循环，速度提升可不是一星半点！

核心思路 #

利用Pandas的矢量化字符串操作结合行维度的任意匹配，直接在底层C语言层面完成批量计算，这才是Pandas处理这类问题的正确打开方式。

方法一：灵活匹配所有name开头的列（推荐） #

如果你的目标列都是name开头（比如name1到name10），用filter可以快速选中这些列，不用手动列全所有列名：

# 1. 自动选中所有列名含"name"的列
name_columns = df.filter(like='name')
# 2. 检测每个单元格是否包含"ball"，再判断每行是否至少有一个匹配
match_mask = name_columns.str.contains('ball', na=False).any(axis=1)
# 3. 提取符合条件的ID
matched_ids = df.loc[match_mask, 'ID'].tolist()

代码细节说明：

• df.filter(like='name')：自动匹配所有列名包含name的列，不管你是name1到name10还是更多，都能一键选中；
• str.contains('ball', na=False)：矢量化检测每个单元格的子串，na=False确保空值被判定为不匹配，避免干扰结果；
• .any(axis=1)：检查每一行是否至少有一列匹配成功，返回一个布尔掩码；
• 最后用掩码过滤DataFrame，直接提取对应的ID即可。

方法二：指定明确列范围 #

如果你的列是严格的name1到name10，也可以直接用列切片选中目标列：

# 1. 选中name1到name10的列范围
name_columns = df.loc[:, 'name1':'name10']
# 2. 生成匹配掩码
match_mask = name_columns.str.contains('ball', na=False).any(axis=1)
# 3. 获取去重后的结果ID（防止ID重复的情况）
matched_ids = df.loc[match_mask, 'ID'].unique().tolist()

为什么这个方法比你的旧方法高效？ #

你之前尝试的循环遍历、拼接列、转字典遍历，都是在Python层面逐元素处理，而Pandas的矢量化操作是在底层C语言批量计算，完全避开了Python循环的巨大开销。数据量越大，这种效率差距越明显——比如10万行数据，循环可能要几十秒，矢量化方法几百毫秒就能搞定！

内容的提问来源于stack exchange，提问作者Winds