你不需要搜索数组中的每一个元素。

import pandas as pd

data = {'a': [1, 2, 3], 'b': [4, 5, 6], 'c':['apple','orange','banana']}  
df = pd.DataFrame(data)

print(5 in df['b'].values)          # prints True
print('pear' in df['c'].values)     # prints false

字符串

• 检查5是否在列B中。因为它是，它返回True。
• 检查pear是否在列c中。由于它是not，它返回False。

您可以对所有数据类型执行此操作。

看起来你想计算你感兴趣的流派在列中出现的次数。纯pandas方法可能如下所示：

spotify_data['Genre'].value_counts().reindex(genre_names).fillna(0)

字符串
这将给你给予一个系列的计数值和索引将是流派。
或者，如果你愿意，你可以使用vanilla python获得一个计数字典：

from collections import Counter
genre_counts = Counter(spotify_data['Genre'])

型
然后，如果你只想要特定的计数，你可以过滤回来：

# as another dict
result_dict = {k:genre_counts[k] for k in genre_names}
# as a list
result_list = [genre_counts[k] for k in genre_names]

型
这两种方法都是高性能的。但是请注意，这两种方法都只检查精确匹配

对于你正在做的子串匹配（不快于2 for循环）

genre_names = set(take(1545, all_genres)) # a function that extracts certain # of indices from dictionary
streams_on_genre = {genre: spotify_data["Streams"][spotify_data['Genre'].apply(lambda x: genre in x)] for genre in genre_names}

字符串
精确匹配（应该更快）

genre_names = set(take(1545, all_genres)) # a function that extracts certain # of indices from dictionary
streams_on_genre = {genre: spotify_data["Streams"][spotify_data['Genre'] == genre] for genre in genre_names}

型