Pandas：不使用set_index方法，多条件查找指定DataFrame行

我来帮你解决这个问题！你手头有这样的Pandas DataFrame：

import pandas as pd

data = {'category':[1, 2, 3, 1, 2, 3, 1, 2, 3], 
        'date':['2000-01-01', '2000-01-01', '2000-01-01', '2000-01-02', '2000-01-02', '2000-01-02', '2000-01-03', '2000-01-03', '2000-01-03']}
df = pd.DataFrame(data=data)
df['date'] = pd.to_datetime(df['date'])

生成的DataFrame如下：

你需要找到date为2000-01-02且category为3的行（也就是索引为5的那一行），而且因为实际数据中date列存在重复值，设置索引会报错InvalidIndexError: Reindexing only valid with uniquely valued Index objects，所以不能用set_index('date')的方法。

方法1：布尔索引筛选 #

这是最直接的方式，用&连接两个筛选条件，注意要给每个条件加上括号（避免运算符优先级问题）：

# 筛选符合条件的行
result = df[(df['date'] == pd.to_datetime('2000-01-02')) & (df['category'] == 3)]
print(result)

运行后会得到：

category       date
5         3 2000-01-02

因为你的date列已经转成了datetime类型，这里把筛选的日期也转成datetime是最稳妥的做法，当然直接用字符串'2000-01-02'也能匹配到，不过统一类型可以避免潜在的格式问题。

方法2：使用query方法 #

如果你觉得布尔索引的写法有点繁琐，可以用query()方法，语法更简洁直观：

result = df.query("date == '2000-01-02' and category == 3")
print(result)

这个方法不需要考虑运算符优先级，代码可读性更高，同样能得到你想要的那一行。

这两种方法都不需要修改DataFrame的索引，完美适配你实际数据中date列不唯一的情况，不会出现索引相关的错误。

内容的提问来源于stack exchange，提问作者Chiel