Pandas筛选返回空值异常求助：非目标行全为NaN

为什么会出现全表NaN？ #

你写的筛选代码返回这种结果，核心问题是筛选条件test_table['Item']=='1'返回的不是一维的布尔Series，而是和原DataFrame同形状的布尔DataFrame。当用布尔DataFrame去索引原DataFrame时，Pandas会逐个单元格匹配：只有条件为True的位置保留原值，其余全部设为NaN，最终就出现了“保留所有行，但只有匹配Item='1'的行有值”的情况。

常见触发场景：

• DataFrame存在重复的Item列名：此时test_table['Item']返回的是包含所有同名列的子DataFrame，而非单个Series，和'1'比较后自然得到布尔DataFrame。
• DataFrame是多重索引（MultiIndex）结构，或列的选取逻辑意外返回了二维结构。

怎么解决？ #

第一步：排查问题根源 #

先打印筛选条件的类型和内容，确认是不是布尔DataFrame：

print(type(test_table['Item'] == '1'))
print(test_table['Item'] == '1')

如果输出类型是<class 'pandas.core.frame.DataFrame'>，按下面的方法处理。

情况1：存在重复的Item列 #

先查看所有列名确认重复情况：

print(test_table.columns)

确认后可以二选一处理：

• 按位置指定要筛选的列：

# 取第一个名为Item的列来筛选
target_col = test_table.columns.get_loc('Item')
test_table[test_table.iloc[:, target_col] == '1']

• 先重命名重复列，再筛选：

# 给重复的Item列加上序号后缀
test_table.columns = [f"{col}_{i}" if col == 'Item' else col for i, col in enumerate(test_table.columns)]
# 用重命名后的列筛选
test_table[test_table['Item_0'] == '1']

情况2：将布尔DataFrame转为一维筛选条件 #

如果只要某行任意一个Item列等于'1'就保留该行，用.any(axis=1)转成一维Series：

test_table[(test_table['Item'] == '1').any(axis=1)]

如果要求某行所有Item列都等于'1'才保留，就用.all(axis=1)：

test_table[(test_table['Item'] == '1').all(axis=1)]

通用兜底方案 #

如果是索引不匹配导致的异常，先重置索引再筛选：

test_table = test_table.reset_index(drop=True)
test_table[test_table['Item'] == '1']

内容的提问来源于stack exchange，提问作者AnonymousMe