Pandas如何获取与指定行特定列值一致的所有行？

问题场景 #

现有Pandas DataFrame filtered，以及列名列表 features，需求是获取所有与索引为0的行在features指定列上值完全相同的行。

错误代码分析 #

第一段代码报错原因 #

print(filtered[features].drop_duplicates().iloc[0][features])
print(filtered[filtered[features].eq(filtered[features].drop_duplicates().iloc[0][features]).all()])

报错 IndexingError: Unalignable boolean Series provided as indexer，核心问题是all()默认按列（axis=0）计算，得到的布尔Series索引是列名，和filtered的行索引不匹配，导致无法用于行筛选。必须指定axis=1让all()按行判断是否所有列都匹配。

第二段代码输出全0的可能原因 #

for idx, row in filtered.iterrows():
    sub_filt = filtered[filtered[sub_features].eq(row[sub_features]).all(axis=1)]
    print(len(sub_filt))

1. 列名不匹配：如果sub_features不是目标列列表features，自然无法找到匹配行；
2. 数据类型差异：比如数值类型（int/float）不一致（如5 vs 5.0），或存在NaN值未处理，导致eq()判断不相等；
3. 基准行错误：iterrows()遍历的行如果本身在sub_features列有唯一值，也会导致无匹配（但预期至少1，所以大概率是前两个原因）。

正确实现代码 #

# 获取索引为0的行作为基准（无需去重，直接取目标行）
base_row = filtered[features].iloc[0]
# 按行判断所有features列是否与基准行匹配
matching_rows = filtered[filtered[features].eq(base_row).all(axis=1)]
print(matching_rows)

补充说明 #

• 如果需要处理NaN值（NaN和NaN默认不相等），可以在eq()中添加equal_nan=True：

  matching_rows = filtered[filtered[features].eq(base_row, equal_nan=True).all(axis=1)]
  

• 避免使用drop_duplicates().iloc[0]，因为去重后原索引0的行可能被移除，导致基准行错误。

内容的提问来源于stack exchange，提问作者Gooby