如何使用Pandas查找包含指定子字符串的单元格位置

嘿，我来帮你搞定这个需求！首先得先把你给的示例数据整理成正确的Pandas DataFrame，然后一步步实现查找逻辑。

第一步：构造示例DataFrame #

你提供的示例数据可以整理成下面这个结构（三列，三行数据）：

import pandas as pd

data = [
    [947.2, 1.25, "BAM"],
    [1.25, 129.3, "2.1 $"],
    [1.25, "161.69 $", "0.8 CAD"]
]
df = pd.DataFrame(data, columns=["Price", "Rate p/lot", "Total Comm"])

生成的DataFrame长这样：

Price Rate p/lot Total Comm
0  947.2       1.25        BAM
1   1.25      129.3      2.1 $
2   1.25  161.69 $    0.8 CAD

第二步：实现查找逻辑 #

这里给你两种实用的方法，分别适合不同场景：

方法一：简洁直观的列表推导式+applymap #

如果你的数据集不大，这种方法简单易懂：

target_substrings = ['$', 'CAD']

# 先创建一个布尔矩阵，标记每个单元格是否包含目标子串
match_mask = df.applymap(lambda cell: any(sub in str(cell) for sub in target_substrings))

# 从布尔矩阵中提取所有匹配的位置
result = [(row_idx, col_idx) for row_idx, col_idx in zip(*match_mask.nonzero())]

方法二：高效向量化的stack+str.contains #

如果数据集比较大，用Pandas的向量化操作会更快：

target_substrings = ['$', 'CAD']
# 把目标子串拼成正则表达式的匹配模式
match_pattern = '|'.join(target_substrings)

# 把DataFrame堆叠成带多级索引的Series，然后筛选匹配项
stacked_data = df.stack().str.contains(match_pattern, na=False)
result = [tuple(index) for index in stacked_data[stacked_data].index]

第三步：验证结果 #

不管用哪种方法，运行后result的输出都是：

[(1, 2), (2, 1), (2, 2)]

完全符合你的预期！

一些关键细节说明 #

• 用str(cell)把所有单元格转成字符串，这样不管是数值还是文本类型，都能检查子串是否存在
• any(sub in str(cell) ...)确保只要单元格包含目标列表中的任意一个子串就算匹配
• 第一种方法里的nonzero()会返回布尔矩阵中所有True值的行和列索引，用zip配对就得到了位置元组
• 第二种方法的stack()会把二维表格转成一维Series，它的多级索引正好对应原DataFrame的行和列，筛选后直接提取索引就行

内容的提问来源于stack exchange，提问作者Piyush S. Wanare