本文介绍如何高效筛选 DataFrame 中某列字符串同时包含指定多个子字符串（逻辑“与”关系）的行，解决直接使用 all() 导致的 KeyError 问题，并提供可扩展、向量化、大小写可控的完整方案。
本文介绍如何高效筛选 dataframe 中某列字符串同时包含指定多个子字符串（逻辑“与”关系）的行，解决直接使用 `all()` 导致的 keyerror 问题，并提供可扩展、向量化、大小写可控的完整方案。
在 Pandas 中，对字符串列进行多关键词“全包含”条件筛选（即每行字符串必须同时包含列表中所有子字符串），是常见但易出错的操作。错误常源于混淆标量布尔运算与向量化布尔索引：all([word in df.question]) 实际是对整个 Series 对象做成员判断（返回单个 False），而非逐行判断，导致 df[False] 触发 KeyError。
正确做法是利用 Pandas 字符串方法的向量化能力，结合布尔数组的逻辑组合。核心思路是：对每个子字符串，调用 Series.str.contains() 生成一个与 DataFrame 行数一致的布尔 Series；再将多个布尔 Series 组合成二维数组，沿行方向（axis=0）执行 np.all()，得到最终的布尔掩码。
以下为推荐实现：
import numpy as np
import pandas as pd
# 示例数据
df = pd.DataFrame({
"question": [
"Who is the King of England?",
"Where is England?",
"England King",
"King",
"The queen rules England"
]
})
# 目标子字符串列表
substrings = ["King", "England"]
# ✅ 正确：向量化 + 逐行逻辑与
mask = np.all(
[df['question'].str.contains(sub, na=False, case=True) for sub in substrings],
axis=0
)
filtered_df = df[mask].copy()
print(filtered_df)
输出：
question 0 Who is the King of England? 2 England King
关键要点说明：
- str.contains() 返回长度等于 DataFrame 行数的布尔 Series，支持 na=False（避免空值引发 NaN 干扰逻辑运算）和 case=True/False 控制大小写敏感性；
- 列表推导式 [... for sub in substrings] 生成布尔 Series 列表，形如 [s1, s2, s3]；
- np.all(..., axis=0) 沿第 0 轴（即垂直方向）对每个位置取逻辑与，等价于 s1 & s2 & s3，结果是单个布尔 Series，可直接用于布尔索引；
- 避免使用 Python 原生 all() 或 any() 直接作用于 Series，因其会尝试将整个 Series 转为单一布尔值（引发 ValueError 或 KeyError）。
进阶建议：
若需正则匹配（如忽略标点或词边界），可传入 regex=True 并使用 \bKing\b 等模式；
-
对于超长子字符串列表，可封装为函数提升复用性：
def contains_all(series, substrings, case=True, na=False): return np.all([series.str.contains(s, case=case, na=na) for s in substrings], axis=0) df[contains_all(df['question'], ['King', 'England'])]
此方法兼顾性能、可读性与健壮性，是 Pandas 字符串过滤的标准实践。
