在日常的数据处理中，经常需要在Pandas DataFrame中查找包含特定部分字符串的行和列。本文将详细介绍如何高效实现这一操作，提升你的数据处理效率。

问题背景

假设你有一个包含大量数据的DataFrame，你需要找到包含某个特定子字符串的所有行和列。手动查找不仅费时费力，还容易出错。那么，如何利用Pandas实现这一功能呢？

解决方案

方法一：使用apply和contains函数

 import pandas as pd

df = pd.DataFrame({'A': ['apple', 'banana', 'cherry'],
                   'B': ['dog', 'elephant', 'frog'],
                   'C': ['grape', 'honeydew', 'iguana']})

partial_string = 'ap'

## 找到包含部分字符串的列
matching_columns = df.apply(lambda x: x.astype(str).str.contains(partial_string, case=False).any())
matching_columns = matching_columns[matching_columns].index.tolist()

## 找到包含部分字符串的行
matching_rows = df.astype(str).apply(lambda x: x.str.contains(partial_string, case=False).any(), axis=1)
matching_rows = matching_rows[matching_rows].index.tolist()

print(f"包含'{partial_string}'的列: {matching_columns}")
print(f"包含'{partial_string}'的行: {matching_rows}")

方法二：使用stack和unstack

 ## 找到包含部分字符串的单元格
matching_cells = df.stack().str.contains(partial_string, case=False).unstack()

## 找到包含部分字符串的列
matching_columns = matching_cells.any().index.tolist()

## 找到包含部分字符串的行
matching_rows = matching_cells.any(axis=1).index.tolist()

print(f"包含'{partial_string}'的列: {matching_columns}")
print(f"包含'{partial_string}'的行: {matching_rows}")

性能对比

两种方法各有优缺点，apply方法更直观，但性能稍差；stack方法性能较好，但代码稍显复杂。具体选择哪种方法，可根据实际数据量和需求决定。

总结

本文介绍了两种在Pandas DataFrame中查找包含部分字符串的行和列的方法，希望能帮助你在数据处理中更加高效。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。