假如有一個需求場景需要遍歷一個csv或excel中的每一個元素，判斷這個元素是否含有某個關鍵字
那么可以用python的pandas庫來實現。
方法一：
pandas的dataframe有一個很好用的函數applymap，它可以把某個函數應用到dataframe的每一個元素上，而且比常規的for循環去遍歷每個元素要快很多。如下是相關代碼：
import pandas as pd data = [["str","ewt","earw"],["agter","awetg","aeorgh"]] dataframe1 = pd.DataFrame(data=data,columns=["name1","name2","name3"]) print(dataframe1) bool_array = dataframe1.applymap(lambda x:"w" in x) out_array = dataframe1[bool_array] print(out_array) >> name1 name2 name3 0 str ewt earw 1 agter awetg aeorgh name1 name2 name3 0 NaN ewt earw 1 NaN awetg NaN
代碼中，bool_array為一個邏輯矩陣，滿足條件元素的位置為true，否則為false。然后通過邏輯矩陣去索引dataframe1，就可以得出滿足條件的元素。
方法二：
第一種方法是一次性遍歷每個元素，這樣不好分column去處理，那換一種方式可以每次遍歷一列
#接上面代碼
file_columns = dataframe1.columns.tolist()
for column in file_columns:
bool_index = dataframe1[column].str.contains("w")
filter_data = dataframe1[column][bool_index]
print(filter_data)
>>
Series([], Name: name1, dtype: object)
0 ewt
1 awetg
Name: name2, dtype: object
0 earw
Name: name3, dtype: object
代碼種 Series.str.contains 是 Series 才有的一個操作。另外，filter_data只輸出每一列中滿足條件的元素，更方便下一步的操作。
簡單說明：
針對pandas的dataframe和series，有強大的高階函數：apply，applymap和map函數等，它們比簡單的for循環要快很多，善用這些高階函數會讓你事半功倍。