假设你的数据框架是这样的:

现在你要检查文件名“80900026941984”是否存在于数据帧中。

你可以简单地写:

if sum(df["filename"].astype("str").str.contains("80900026941984")) > 0:
    print("found")

你也可以使用pandas.Series.isin，尽管它比s.values中的'a'长一点:

In [2]: s = pd.Series(list('abc'))

In [3]: s
Out[3]: 
0    a
1    b
2    c
dtype: object

In [3]: s.isin(['a'])
Out[3]: 
0    True
1    False
2    False
dtype: bool

In [4]: s[s.isin(['a'])].empty
Out[4]: False

In [5]: s[s.isin(['z'])].empty
Out[5]: True

但是，如果您需要为一个DataFrame同时匹配多个值，这种方法可以更加灵活。

>>> df = DataFrame({'A': [1, 2, 3], 'B': [1, 4, 7]})
>>> df.isin({'A': [1, 3], 'B': [4, 7, 12]})
       A      B
0   True  False  # Note that B didn't match 1 here.
1  False   True
2   True   True

假设你的数据框架是这样的:

现在你要检查文件名“80900026941984”是否存在于数据帧中。

你可以简单地写:

if sum(df["filename"].astype("str").str.contains("80900026941984")) > 0:
    print("found")

使用query()查找符合条件的行，并获得形状为[0]的行数。如果存在至少一个条目，则此语句为True:

df.query('id == 123').shape[0] > 0

Use

df[df['id']==x].index.tolist()

如果x存在于id中，那么它将返回它所在位置的索引列表，否则它将给出一个空列表。

或者用级数。tolist或Series.any:

>>> s = pd.Series(list('abc'))
>>> s
0    a
1    b
2    c
dtype: object
>>> 'a' in s.tolist()
True
>>> (s=='a').any()
True

系列。tolist做了一个关于一个系列的列表，而另一个我只是从一个常规系列中获得一个布尔系列，然后检查是否有任何真布尔系列。