对于非一个单元格而是整个列,大熊猫按多个“包含”筛选

如果需要一个bool值 'hello' 在任何地方都能找到 'world' 在一列中的任意位置找到:

df.Data.str.contains('hello').any() & df.Data.str.contains('world').any()

如果你有一个单词列表,需要检查整个 DataFrame 尝试:

import numpy as np

lst = ['hello', 'world']
np.logical_and.reduce([any(word in x for x in df.values.ravel()) for word in lst])

样本数据

print(df)
   Name   Data   Data2
0  Mike  hello  orange
1  Mike  world  banana
2  Mike  hello  banana
3  Fred  world  apples
4  Fred  hello   mango
5   Ted  world    pear

lst = ['apple', 'hello', 'world']
np.logical_and.reduce([any(word in x for x in df.values.ravel()) for word in lst])
#True

lst = ['apple', 'hello', 'world', 'bear']
np.logical_and.reduce([any(word in x for x in df.values.ravel()) for word in lst])
# False

使用

import re 

bool(re.search(r'^(?=.*hello)(?=.*world)', df.sum().sum())
Out[461]: True

如果hello和world在您的数据中是独立的字符串,df.eq()应该完成这项工作,而不需要str.contains。它不是字符串方法,适用于整个数据帧。

(((df == 'hello').any()) & ((df == 'world').any())).any()

True