Pandas使用df.loc筛选数据时出现KeyError的原因及修正

错误原因 #

原代码里的all(n in df['Num'] for n in numbers)逻辑完全偏离需求：

• df['Num']是Pandas的Series对象，n in df['Num']判断的是n是否在Series的索引里，而非每一行的列表元素中。
• all()会把整个生成器转换成单一布尔值（True/False），而df.loc[]收到单一布尔值时，会把它当作索引标签去查找，自然找不到名为True或False的索引，因此触发KeyError。

而正确代码用df['Num'].apply(...)的核心原因：

• apply会遍历Num列的每一个列表元素，对每个列表单独执行all(n in c for n in numbers)，检查该列表是否包含numbers的所有元素。
• 最终返回的是布尔Series，每个元素对应一行的筛选结果，df.loc[]可以正确识别这种布尔索引，实现行筛选。

修正方案 #

把筛选逻辑改成逐行检查每个列表的形式，以下两种写法都可以：

方案1：保持apply写法（清晰直观） #

import pandas as pd 
data = {'Num': [[1,2,100], [10,20,30], [1,2,30],[1,2,200],[4,0,9]],'Id':range(5)}
df = pd.DataFrame(data)
numbers = [1,2]
# 对每行的Num列表，检查是否包含所有指定元素
filtered_df = df.loc[df['Num'].apply(lambda c: all(n in c for n in numbers))]
print(filtered_df)

方案2：集合子集优化（适合元素较多的场景） #

把numbers转成集合，用子集判断提升性能：

import pandas as pd 
data = {'Num': [[1,2,100], [10,20,30], [1,2,30],[1,2,200],[4,0,9]],'Id':range(5)}
df = pd.DataFrame(data)
num_set = set([1,2])
# 检查指定集合是否是当前列表的子集
filtered_df = df.loc[df['Num'].apply(lambda c: num_set.issubset(c))]
print(filtered_df)

两种方案运行后都会得到正确结果：

Num  Id
0  [1, 2, 100]   0
2    [1, 2, 30]   2
3  [1, 2, 200]   3

内容的提问来源于stack exchange，提问作者Franck