本文介绍如何高效筛选 DataFrame 中某字符串列同时包含指定多个子字符串的所有行，使用 str.contains() 与 np.all() 组合实现向量化布尔索引，避免常见错误如 KeyError: False。
本文介绍如何高效筛选 dataframe 中某字符串列同时包含指定多个子字符串的所有行，使用 `str.contains()` 与 `np.all()` 组合实现向量化布尔索引，避免常见错误如 `keyerror: false`。
在 Pandas 中，对字符串列进行多关键词“全部匹配”（AND 逻辑）筛选时，不能直接对 Series 使用 Python 原生 all() 函数——因为 word in df['question'] 返回的是一个 布尔 Series，而非单个布尔值；而 all([...]) 会尝试对整个列表求值，最终传入 df[...] 的是一个标量 True/False，导致 Pandas 尝试按列名索引，从而抛出 KeyError: False。
正确做法是：对每个子字符串分别调用 Series.str.contains() 得到一个布尔 Series，构成布尔 Series 列表，再沿行方向（axis=0）对所有条件做逻辑“与”运算。推荐使用 numpy.all() 或更简洁的 pd.Series.all() 配合 & 运算符。
以下是推荐的两种实现方式：
✅ 方法一：np.all() + 列表推导式（推荐，简洁高效）
import numpy as np
import pandas as pd
df = pd.DataFrame({
"question": [
"Who is the King of England?",
"Where is England?",
"England King",
"King",
"The Queen rules England"
]
})
substrings = ["King", "England"]
mask = np.all([df['question'].str.contains(sub, na=False) for sub in substrings], axis=0)
filtered_df = df[mask].reset_index(drop=True)
print(filtered_df)
输出：
question 0 Who is the King of England? 1 England King
✅ 方法二：链式 & 运算（显式可控，适合少量关键词）
from functools import reduce
import operator
mask = reduce(operator.and_,
(df['question'].str.contains(sub, na=False) for sub in substrings))
filtered_df = df[mask].reset_index(drop=True)
⚠️ 关键注意事项：
- 必须设置 na=False 参数：否则当列中存在 NaN 时，str.contains() 返回 NaN，参与逻辑运算会导致整行判定为 False（或引发 TypeError）；
- str.contains() 默认区分大小写；如需忽略大小写，添加 case=False 参数（例如 .str.contains('king', case=False)）；
- 若需完整单词匹配（避免 'Kingdom' 被 'King' 误匹配），可启用正则并添加词边界：.str.contains(r'\bKing\b', regex=True, na=False)；
- np.all(..., axis=0) 中 axis=0 表示按列（即按行索引）聚合——每个位置取所有条件的“与”，结果长度与原 DataFrame 行数一致，符合布尔索引要求。
总结：多子字符串“全包含”筛选本质是多个布尔 Series 的逐行逻辑与操作。避开 Python 内置 all() 对 Series 的误用，转而采用向量化字符串方法 + NumPy 或 Pandas 布尔聚合，即可安全、高效、可扩展地完成过滤任务。
