实现这一目标的一种方法如下：

• 对于a_contains_b，将Series.str.contains与由列B、joined和|分隔符中的值列表组成的字符串一起使用，以创建替代项（因此：'animal|count|cata|rownumbers|counters|inner|time|strong|kind|membrane'）。
• 对于b_contains_a，我们希望改用Series.str.extractall，因为我们需要将结果反馈给Series.isin以了解列A中的哪些行已匹配。一、 e.extractall（+[0].tolist()）的结果将是['ani', 'counter']，我们将其用作df.A.isin的输入。
• 最后，我们使用这两个布尔序列作为新列的输入。使用|，因为如果任何一个序列包含True的话，我们需要True。将结果用括号括起来，并应用Series.where和Series.notna组合，覆盖列A中具有NaN值的行中的所有False数值。

import pandas as pd
import numpy as np

data = {'A': {0: 'catastrop', 1: 'ani', 2: 'rows', 3: 'Second', 4: 'counter', 
              5: 'column', 6: np.nan, 7: np.nan, 8: np.nan, 9: np.nan}, 
        'B': {0: 'animal', 1: 'count', 2: 'cata', 3: 'rownumbers', 
              4: 'counters', 5: 'inner', 6: 'time', 7: 'strong', 8: 'kind', 
              9: 'membrane'}, 
        'C': {0: True, 1: True, 2: False, 3: False, 4: True, 5: False, 
              6: np.nan, 7: np.nan, 8: np.nan, 9: np.nan}}

df = pd.DataFrame(data)

a_contains_b = df.A.str.contains('|'.join(df.B.dropna().tolist()))

b_contains_a = df.A.isin(df.B.str.extractall(
    '('+'|'.join(df.A.dropna().tolist()) + ')')[0].tolist())

df['D'] = (b_contains_a | a_contains_b).where(df.A.notna())

print(df)

           A           B      C      D
0  catastrop      animal   True   True
1        ani       count   True   True
2       rows        cata  False  False
3     Second  rownumbers  False  False
4    counter    counters   True   True
5     column       inner  False  False
6        NaN        time    NaN    NaN
7        NaN      strong    NaN    NaN
8        NaN        kind    NaN    NaN
9        NaN    membrane    NaN    NaN

N、 B.如果希望匹配不区分大小写，请考虑使用Series.str.lower。在str.contains的情况下，还可以使用参数case，并将其设置为False。