如何优雅地在Pandas DataFrame字符串列中检测多个子字符串？

数据老陈

2026-5-21

更简洁的Pandas子字符串匹配方案

嘿，这种重复写一堆str.contains的情况确实够烦的！我之前处理公司名称识别的时候也踩过这个坑，给你分享几个更优雅的实现方式：

1. 正则表达式合并关键词（推荐）

利用正则的|操作符把所有后缀合并成一个模式，只需要一次str.contains调用就能搞定，而且提前统一转大写一次就够了，不用重复写：

# 先定义所有需要匹配的公司后缀列表，方便后续维护
company_suffixes = ['LIMITED', 'INC', 'CORP']
# 把列表转成正则匹配模式
pattern = '|'.join(company_suffixes)
# 一次完成大写转换+匹配
is_company = df['NAME'].str.upper().str.contains(pattern, regex=True)

如果担心误匹配（比如人名里刚好包含INC这类短后缀的子串），可以加上单词边界\b，确保只匹配完整的后缀单词：

pattern = r'\b(' + '|'.join(company_suffixes) + r')\b'
is_company = df['NAME'].str.upper().str.contains(pattern, regex=True)

这种方法是向量化操作，比循环或多次or判断效率高得多，尤其是处理大数据集的时候优势明显。

2. 用`apply`结合`any`（适合复杂匹配场景）

如果你的后缀匹配逻辑比较复杂（比如需要额外的条件判断），可以用apply配合生成器表达式：

company_suffixes = ['LIMITED', 'INC', 'CORP']
is_company = df['NAME'].str.upper().apply(
    lambda name: any(suffix in name for suffix in company_suffixes)
)

不过要注意，apply本质是逐行循环，数据量很大的时候性能不如正则方法，所以优先推荐第一种方案。