为何Pandas布尔索引操作一段正常一段报错？求技术解析

第一段代码无报错的逻辑 #

missing_val_count_by_column = (X_train.isnull().sum())
missing_val_count_by_column[missing_val_count_by_column > 0]

• X_train.isnull().sum() 返回的是一个Series，它的索引是X_train的列名，值为对应列的缺失值总数。
• 后续的[missing_val_count_by_column > 0]是对这个Series自身做布尔索引：布尔序列的索引和原Series的索引完全匹配，Pandas能正确完成筛选，因此不会报错。

第二段代码触发报错的原因 #

combined_X = pd.concat([X_train, X_valid], axis=0)
null_columns = combined_X.isnull().sum()
dropped_columns = combined_X[null_columns > 0]

• null_columns同样是一个以列名为索引的Series，但你用它的布尔序列去索引DataFramecombined_X时，Pandas的默认逻辑会出问题：
  DataFrame直接使用方括号[]时，默认是匹配行索引而非列索引。但null_columns > 0的索引是列名，和combined_X的行索引完全不匹配，因此触发IndexingError。

正确筛选含缺失值列的写法 #

如果你的目标是从combined_X中筛选出存在缺失值的列，应该明确指定对列进行筛选：

# 方法1：用loc指定行和列的筛选范围
dropped_columns = combined_X.loc[:, null_columns > 0]
# 方法2：直接提取符合条件的列名列表
dropped_columns = combined_X[null_columns[null_columns > 0].index]

这两种写法让布尔序列的列名索引与DataFrame的列索引对齐，就能避免报错。

内容的提问来源于stack exchange，提问作者Alekk