如何基于{列:值}字典条件获取Pandas DataFrame的行索引？

开发者阿泽

2026-7-13

用字典条件检索Pandas DataFrame的行索引

下面提供三种实用的实现方法，针对你的示例场景都能返回索引[0]：

方法一：`isin()` + `all()` 快速筛选

这种方法简洁高效，适合大多数常规场景：

import pandas as pd
test = pd.DataFrame({'col1': [1,2,3,4], 'col2': [2,3,4,5]}, index = [0,1,2,3])
search = {'col1': 1, 'col2': 2}

# 筛选所有列都符合条件的行，提取索引
matching_indices = test[test.isin(search).all(axis=1)].index.tolist()
print(matching_indices)  # 输出: [0]

test.isin(search)：生成布尔值矩阵，标记每个单元格是否匹配对应列的目标值
.all(axis=1)：确保整行所有列都满足条件，返回每行的布尔判断结果
最后通过.index.tolist()提取符合条件的索引列表

方法二：逐列筛选取索引交集

适合需要分步验证条件或扩展复杂逻辑的场景：

import pandas as pd
test = pd.DataFrame({'col1': [1,2,3,4], 'col2': [2,3,4,5]}, index = [0,1,2,3])
search = {'col1': 1, 'col2': 2}

# 初始化索引集合为全部行索引
indices = set(test.index)
for col, val in search.items():
    # 逐步缩小索引范围，保留当前列符合条件的索引交集
    indices.intersection_update(test[test[col] == val].index)

matching_indices = list(indices)
print(matching_indices)  # 输出: [0]

用集合的交集操作，每次只保留同时满足当前列条件的索引
逻辑清晰，便于后续添加自定义筛选规则

方法三：`query()` 动态生成查询语句

适合需要灵活构造查询表达式的场景，支持字符串等特殊值：

import pandas as pd
test = pd.DataFrame({'col1': [1,2,3,4], 'col2': [2,3,4,5]}, index = [0,1,2,3])
search = {'col1': 1, 'col2': 2}

# 将字典转换为query支持的表达式字符串
query_str = ' and '.join([f"{col} == {repr(val)}" for col, val in search.items()])
# 执行查询并提取索引
matching_indices = test.query(query_str).index.tolist()
print(matching_indices)  # 输出: [0]