有点类似于@cs95的答案，但这里不需要指定引擎：

df.query('A.str.contains("hello").values')

假设您有以下DataFrame：

>>> df = pd.DataFrame([['hello', 'hello world'], ['abcd', 'defg']], columns=['a','b'])
>>> df
       a            b
0  hello  hello world
1   abcd         defg

您始终可以在lambda表达式中使用in运算符来创建筛选器。

>>> df.apply(lambda x: x['a'] in x['b'], axis=1)
0     True
1    False
dtype: bool

这里的技巧是在apply中使用axis=1选项，将元素逐行传递给lambda函数，而不是逐列传递。

对于包含特殊字符的字符串，使用contains效果不佳。尽管找到了工作。

df[df['A'].str.find("hello") != -1]

假设我们在数据帧df中有一个名为“ENTITY”的列。我们可以过滤df，以获得整个数据帧df，其中“实体”列的行不包含“DM”，方法如下：

mask = df['ENTITY'].str.contains('DM')

df = df.loc[~(mask)].copy(deep=True)

在此之前，有一些答案可以实现所要求的功能，无论如何，我想展示最普遍的方式：

df.filter(regex=".*STRING_YOU_LOOK_FOR.*")

这样，你就可以得到你所寻找的专栏，无论它是怎么写的。

（显然，您必须为每种情况编写正确的正则表达式）

这是我最后为部分字符串匹配所做的。如果有人有更有效的方法，请告诉我。

def stringSearchColumn_DataFrame(df, colName, regex):
    newdf = DataFrame()
    for idx, record in df[colName].iteritems():

        if re.search(regex, record):
            newdf = concat([df[df[colName] == record], newdf], ignore_index=True)

    return newdf