df[df.col.str.contains("foo").fillna(False)]

我不是100%知道为什么（实际上是来这里寻找答案的），但这也是可行的，而且不需要替换所有的nan值。

import pandas as pd
import numpy as np

df = pd.DataFrame([["foo1"], ["foo2"], ["bar"], [np.nan]], columns=['a'])

newdf = df.loc[df['a'].str.contains('foo') == True]

使用或不使用.loc均可。
我不知道为什么会这样，因为我知道当你用括号panda来索引时，括号内的任何东西都被求值为True或False，我不知道为什么把括号内的短语写成“额外的布尔值”会有任何效果。

您也可以使用query方法通过布尔表达式查询DataFrame的列，如下所示：

df.query('a.str.contains("foo", na=False)')

请注意，您可能不会获得性能改进，但它更具可读性（可以论证）。

您还可以设置以下模式：

DF[DF.col.str.contains(pat = '(foo)', regex = True) ]

有一个标志：

In [11]: df = pd.DataFrame([["foo1"], ["foo2"], ["bar"], [np.nan]], columns=['a'])

In [12]: df.a.str.contains("foo")
Out[12]:
0     True
1     True
2    False
3      NaN
Name: a, dtype: object

In [13]: df.a.str.contains("foo", na=False)
Out[13]:
0     True
1     True
2    False
3    False
Name: a, dtype: bool

请参阅str.replace文档：
na：默认值NaN，为缺失值填充值。
因此，您可以执行以下操作：

In [21]: df.loc[df.a.str.contains("foo", na=False)]
Out[21]:
      a
0  foo1
1  foo2

除了以上的答案外，我想说的是，对于没有单个单词名称的栏目，您可以使用：

df[df['Product ID'].str.contains("foo") == True]

希望这个有用。