使用Pandas基于两列AND条件拆分数据时遇到问题求助

我正在清理电子表格，现有包含Severity、Fixable、CVE、Date列的DataFrame（vulns_new_or_changed），希望将其中Severity为LOW且Fixable为FALSE的行拆分到lowAndUnfixable，剩余行保留在原DataFrame。

编写的代码如下：

mask = ( vulns_new_or_changed['Fixable'].isin(['FALSE']) ) & ( vulns_new_or_changed['Severity'].isin(['LOW']) )         
lowAndUnfixable = vulns_new_or_changed.drop(vulns_new_or_changed[~mask].index)
vulns_new_or_changed.drop(vulns_new_or_changed[mask].index, inplace = True)

示例数据：

Severity, Fixable, CVE, Date
HIGH, TRUE, XXXXXX, Jan 2023
LOW, FALSE, XXXXXX, Mar 2023
LOW, TRUE, XXXXXX, MAY 2023

预期lowAndUnfixable的结果为：

LOW, FALSE, XXXXXX, Mar 2023

但实际执行时，使用[~mask]会得到0行，使用[mask]会选中所有行，如何解决？

核心问题是数据类型或列值格式不匹配：

1. 若Fixable列被Pandas自动解析为布尔类型（值为True/False），但你用字符串'FALSE'匹配，会导致匹配逻辑完全错误——布尔值和字符串无法匹配，最终导致mask结果不符合预期。
2. 若Fixable/Severity是字符串类型，但存在大小写差异（如'false'）、前后空格（如' FALSE '），也会导致isin匹配失败，进而让mask结果异常。

步骤1：排查实际列值 #

先查看列的唯一值，确认数据格式：

print("Fixable列唯一值:", vulns_new_or_changed['Fixable'].unique())
print("Severity列唯一值:", vulns_new_or_changed['Severity'].unique())

步骤2：根据实际情况调整匹配逻辑 #

情况A：Fixable是布尔类型

直接用布尔值匹配：

mask = (vulns_new_or_changed['Fixable'] == False) & (vulns_new_or_changed['Severity'] == 'LOW')

情况B：Fixable是字符串类型（存在格式问题）

先清洗列值，统一格式后再匹配：

# 去除前后空格、统一转为大写
vulns_new_or_changed['Fixable'] = vulns_new_or_changed['Fixable'].str.strip().str.upper()
vulns_new_or_changed['Severity'] = vulns_new_or_changed['Severity'].str.strip().str.upper()
# 生成匹配掩码
mask = (vulns_new_or_changed['Fixable'] == 'FALSE') & (vulns_new_or_changed['Severity'] == 'LOW')

步骤3：简化拆分代码 #

用直接筛选的方式替代drop，更直观且不易出错：

# 筛选目标行到新DataFrame
lowAndUnfixable = vulns_new_or_changed[mask].copy()
# 从原DataFrame移除目标行（非inplace方式，更安全）
vulns_new_or_changed = vulns_new_or_changed[~mask].copy()

# 若要使用inplace方式：
# vulns_new_or_changed.drop(vulns_new_or_changed[mask].index, inplace=True)

内容的提问来源于stack exchange，提问作者Robert