str.contains默认返回NaN而非False，因NaN参与布尔索引会被丢弃；设na=False可统一返回False，避免漏行。
str.contains 为什么返回 NaN 而不是 False？
当你对含 NaN 的 Series 调用 str.contains，默认结果中对应位置是 NaN，不是 False。这会让后续布尔索引直接报错或漏掉行——比如 df[df['col'].str.contains('abc')] 会丢弃所有 NaN 行，但你可能想保留它们并显式标记为不匹配。
解决方法是传入 na=False 参数：
df[df['col'].str.contains('abc', na=False)]
常见错误现象：筛选后行数比预期少，且没报错；检查发现原数据有空值，但没意识到 str.contains 默认跳过它们。
-
na=True（不推荐）：把NaN当作匹配成功，逻辑反直觉 -
na=None（默认）：结果中对应位置为NaN，参与布尔运算时被当作False，但容易引发歧义 -
na=False是最安全、最符合直觉的选择
正则模式里点号、括号、问号为什么会报错？
str.contains 默认启用正则匹配，所以 .、(、)、?、* 等字符有特殊含义。如果你只想查字面量 "user?id=123"，直接写 str.contains('user?id=123') 会因 ? 和 = 不是合法正则语法而抛出 re.error。
立即学习“Python免费学习笔记（深入）”；
解决方法有两个：
- 加
regex=False：关闭正则，按纯字符串匹配，最快也最安全 - 手动转义：用
re.escape('user?id=123')包一层再传入（需先import re）
性能影响：关闭正则后速度明显提升，尤其在大数据量下；开启正则但不用特殊字符，反而多了一层编译开销。
怎样同时匹配多个关键词（或关系）？
str.contains 本身不支持传入列表，但可以用正则的 | 实现“或”逻辑。比如找含 "error" 或 "fail" 的行：
df[df['log'].str.contains('error|fail', case=False, na=False)]
注意几个关键点：
-
case=False必须显式指定，否则默认区分大小写 - 多个词之间用
|连接，不要加空格（除非你真想匹配空格） - 如果某个关键词含正则元字符（如
"user.id"），得先re.escape再拼接，否则会出错 - 不支持“与”逻辑（即同时含 A 和 B），得用两次
str.contains链式调用：df[df['col'].str.contains('A') & df['col'].str.contains('B')]
为什么 str.contains 在大文件里特别慢？
根本原因是 str.contains 对每行都做一次 Python 层字符串扫描，无法向量化加速。当列有百万级长度时，哪怕只是简单字面匹配，也可能比纯 Python in 循环还慢（因为 pandas 额外做了 dtype 检查和缺失值处理）。
提速方案取决于场景：
- 只查固定字符串 + 数据量超 10 万行 → 改用
df['col'].apply(lambda x: 'target' in str(x))，有时反而更快（绕过 pandas 字符串 accessor 开销） - 需要正则 + 大数据 → 先用
df['col'].dropna()缩小范围，再对子集调用str.contains - 频繁执行同类查询 → 把该列转成
category类型（仅适用于重复值多的文本列），能减少内存占用和部分操作耗时
最容易被忽略的一点：str.contains 的 flags 参数（如 re.I）如果传错类型（比如传整数而不是 re.IGNORECASE），不会报错但行为异常——建议始终用 case=False 替代 flags=re.I，更直观也更少出错。
