Pandas：过滤含混合类型的Object列时返回空DataFrame的问题

我有如下示例DataFrame（COL_A为object类型，包含混合格式值）：

COL_A      COL_B
2A001      Red
75101      Orange
75102      Grey
75104      Pink

尝试用以下两个过滤列表筛选数据，但两种方法均返回空DataFrame，即使将COL_A转为字符串后问题依旧：

• 字符串过滤列表：filters_string = ['75101', '75102', '75103', '75104']
• 整数过滤列表：filters_int = [75101, 75102, 75103, 75104]

方法1代码：

df['COL_A'] = df['COL_A'].astype(str)
filtered_df = df[df['COL_A'].isin(filters_string)]

方法2代码：

df['COL_A'] = df['COL_A'].astype(str)
filtered_df = df[df['COL_A'].isin(filters_int)]

1. 先检查COL_A的实际值格式 #

Object类型列的数值常存在隐性空白字符（前后空格、换行符等），导致视觉上匹配但实际不相等。先打印每个值的原始内容和长度确认：

for idx, val in df['COL_A'].items():
    print(f"索引{idx}: 值='{val}', 长度={len(val)}")

如果发现空白，先执行清洗：

# 去除前后所有空白字符
df['COL_A'] = df['COL_A'].str.strip()

2. 统一匹配类型 #

• 方法2中，COL_A已转为字符串，用整数列表匹配必然失败，需将过滤列表转为字符串类型：

# 把整数过滤列表转为字符串列表
filters_str = [str(num) for num in filters_int]
filtered_df = df[df['COL_A'].isin(filters_str)]

• 方法1中，确保过滤列表的字符串与COL_A清洗后的内容完全一致（无大小写、特殊字符差异）

3. 标准化COL_A的格式 #

若COL_A存在混合类型（部分是整数、部分是字符串），需统一转为字符串并标准化：

# 强制转为字符串并去除空白
df['COL_A'] = df['COL_A'].apply(lambda x: str(x).strip())
# 再用字符串过滤列表匹配
filtered_df = df[df['COL_A'].isin(filters_string)]

4. 反向定位不匹配值 #

通过反向筛选找到不匹配的数值，快速定位差异：

# 输出所有不在过滤列表的COL_A值
unmatched_values = df[~df['COL_A'].isin(filters_string)]['COL_A'].unique()
print("不匹配的数值：", unmatched_values)

内容的提问来源于stack exchange，提问作者0004