如何判断Pandas DataFrame中col1字符串是否包含col2对应值？

刚好之前解决过类似的问题，我来帮你理清楚怎么处理这个需求：你需要在Pandas DataFrame中新增一列，标记每行的col1字符串是否包含对应行col2的字符串。

先明确你的示例场景：

import pandas as pd

df = pd.DataFrame({'col1': ['a', 'aa', 'b', 'bb', 'c', 'cc'], 'col2': ['a', 'b', 'c', 'd', 'e', 'c']})
# 期望得到的标记列：pd.Series([True, False, False, False, False, True])

为什么直接用df.col1.str.contains(df.col2)会报错？ #

当你尝试执行df.col1.str.contains(df.col2)时触发TypeError，核心原因是：
str.contains()方法的pat参数默认要求传入单个字符串（或者正则表达式模式），它会把整个col2的Series当成一个整体的匹配模式，而不是逐行对应匹配每一对col1和col2的值，这就导致了类型不匹配的错误。

正确的解决方案 #

这里给你三种可行的实现方式，按需选择：

方法1：使用apply()逐行处理（直观易懂） #

这是最直观的写法，通过apply()遍历每一行，对每行的col1和col2做包含判断：

df['contains_flag'] = df.apply(lambda row: row['col2'] in row['col1'], axis=1)

方法2：使用列表推导式（性能更优） #

如果你的DataFrame数据量较大，列表推导式的性能会比apply()更好，因为它避开了Pandas行级循环的额外开销：

df['contains_flag'] = [col2 in col1 for col1, col2 in zip(df['col1'], df['col2'])]

方法3：使用numpy的vectorize（向量化实现） #

你也可以用numpy的向量化函数来实现逐行匹配，适合习惯向量化编程的场景：

import numpy as np

contains_check = np.vectorize(lambda x, y: y in x)
df['contains_flag'] = contains_check(df['col1'], df['col2'])

执行任意一种方法后，df['contains_flag']都会得到你期望的结果：

0     True
1    False
2    False
3    False
4    False
5     True
Name: contains_flag, dtype: bool

内容的提问来源于stack exchange，提问作者Max Power