使用pandas的str.contains()方法搜索含多值的字符串列（如电影主演列表）时，若列中存在缺失值（nan），需显式设置na=false参数，否则会因布尔索引失效而报错。
在处理类似IMDb电影数据集时，cast列通常以字符串形式存储多位演员姓名（例如"Leonardo DiCaprio, Kate Winslet, Billy Zane"），这种结构虽便于展示，但给精准检索带来挑战。直接使用df['cast'].str.contains('Leonardo DiCaprio')看似合理，却常触发如下错误：
ValueError: Cannot mask with non-boolean array containing NA / NaN values
根本原因在于：当cast列中存在NaN（即空值或缺失演员信息）时，str.contains()对NaN默认返回NaN而非True/False，导致生成的布尔索引数组包含非布尔值，Pandas无法据此过滤数据。
✅ 正确做法是显式指定na=False，将所有NaN统一视为False（即“不匹配”）：
# 推荐写法：安全、简洁、语义清晰
actor_movies = bd[bd['cast'].str.contains('Leonardo DiCaprio', na=False)]⚠️ 注意事项：
- str.contains()默认区分大小写。如需忽略大小写，添加case=False参数：
...contains('leonardo dicaprio', case=False, na=False) - 若演员名可能作为子串误匹配（如搜索"Sam"意外匹配"Samuel L. Jackson"），建议添加单词边界逻辑（需正则支持）：
...contains(r'\bSam\b', regex=True, na=False) - 确保cast列为字符串类型。若为其他类型（如列表），需先用astype(str)转换，或更优地——使用apply(lambda x: 'Leonardo DiCaprio' in x)（适用于已解析为list类型的列）。
? 小结：na=False不是可选项，而是处理真实数据时的必备实践。它让字符串搜索行为确定、健壮且符合直觉——缺失值不参与匹配，自然不应被选中。掌握这一细节，可避免90%以上的str.contains()相关报错。
