如何在Pandas DataFrame中匹配指定行数据并获取其索引？

首先，iterrows()逐行迭代的方式在DataFrame数据量较大时效率极低——它会把每一行转换为Series对象再逐个判断，完全没有利用Pandas的向量化运算优势，属于性能较差的实现方式。

更优实现思路 #

核心是通过布尔掩码实现整行匹配，步骤如下：

1. 先校验搜索字典的所有键是否都存在于DataFrame的列中（避免KeyError）；
2. 将搜索字典转换为Series，与原DataFrame做逐元素相等判断；
3. 对每行的判断结果取all(axis=1)，得到标记匹配行的布尔掩码；
4. 根据掩码提取对应的索引。

代码示例 #

基础场景（匹配单个行）

import pandas as pd

df = pd.DataFrame({'id': [0, 2, 1], 'name': ['Sheldon', 'Howards', 'Leonard'], 'points': [10, 5, 20]})
search = {'id': 2, 'name': 'Howards', 'points': 5}

# 校验键是否合法
if not set(search.keys()).issubset(df.columns):
    match_index = -1
else:
    # 生成布尔掩码：每行所有元素都匹配搜索字典则为True
    mask = df.eq(pd.Series(search)).all(axis=1)
    # 获取第一个匹配的索引，无匹配则返回-1
    match_index = df.index[mask][0] if mask.any() else -1

print(match_index)  # 输出：1

处理多匹配场景

如果需要获取所有匹配行的索引，只需将最后一步改为：

match_indices = df.index[mask].tolist() if mask.any() else []

针对你提供的第二个测试用例

df = pd.DataFrame({'c1': [10, 11, 12], 'c2': [100, 110, 120]})
search = {'c1': 12, 'c2': 120}

if not set(search.keys()).issubset(df.columns):
    match_index = -1
else:
    mask = df.eq(pd.Series(search)).all(axis=1)
    match_index = df.index[mask][0] if mask.any() else -1

print(match_index)  # 输出：2

性能对比 #

当DataFrame行数超过1万时，向量化方法的速度会是iterrows()的几十甚至上百倍——因为向量化操作是基于底层C实现的，避免了Python层面的逐行循环开销。

内容的提问来源于stack exchange，提问作者DazzRick