如何在Pandas中用非apply方法筛选被指定字符串包含的列行

当然可以实现这个需求，而且完全能避开apply，用更高效的方式来处理！下面给你两种实用的方案：

方法1：列表推导式生成掩码（简单高效） #

虽然不是Pandas原生的向量化API，但Python的列表推导式执行效率通常比apply高不少，代码也足够简洁：

import pandas as pd

mystring = "abc"
df = pd.DataFrame({"A": ["ab", "az"]})

# 生成布尔掩码，判断每个元素是否被mystring包含
mask = [x in mystring for x in df["A"]]
# 筛选符合条件的行
result = df[mask]
print(result)

输出结果：

A
0  ab

方法2：构造正则表达式，用str.contains实现原生向量化 #

如果想要完全依托Pandas的向量化能力，可以先生成目标字符串的所有连续子串，再用str.contains匹配这些子串，完美实现“列中字符串被指定字符串包含”的逻辑：

import pandas as pd
import re

def get_all_substrings(s):
    # 生成字符串s的所有连续子串
    return [s[i:j+1] for i in range(len(s)) for j in range(i, len(s))]

mystring = "abc"
df = pd.DataFrame({"A": ["ab", "az"]})

# 生成带转义的正则匹配式（避免特殊字符干扰）
substring_pattern = '|'.join(re.escape(sub) for sub in get_all_substrings(mystring))
# 用向量化的str.contains筛选行
result = df[df["A"].str.contains(substring_pattern)]
print(result)

这个方案的优势在于完全利用Pandas的原生向量化优化，数据量越大，性能优势越明显。

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