如何在Pandas DataFrame中批量匹配不同列对应值的目标行？

问题分析 #

需要匹配DataFrame的每一列与vals列表对应位置的元素，找出整行完全匹配的记录，且因列数较多，需避免手动编写每列的匹配条件。

错误原因 #

之前的多列拼接写法报错，是因为位运算符&的优先级高于==，导致条件运算顺序错误。即使给每个条件加括号实现手动拼接，列数多时也会非常繁琐。

简便实现方法 #

利用Pandas的eq()方法结合all()，无需手动指定列名即可实现批量匹配：

示例代码

import pandas as pd

# 初始化示例DataFrame
df = pd.DataFrame({'col1':[0.1,0.2,0.3,0.4],
                   'col2':[0.2,0.3,0.4,0.5],
                   'col3':[0.3,0.4,0.1,0.2]})
vals = [0.1,0.2,0.3]

# 生成每行是否完全匹配的布尔掩码
mask = df.eq(vals, axis=1).all(axis=1)
# 提取匹配的行
result = df.loc[mask]
print(result)

输出结果

col1  col2  col3
0   0.1   0.2   0.3

代码解释

• df.eq(vals, axis=1)：让DataFrame的每一列与vals对应位置的元素逐行比较，生成一个由布尔值组成的DataFrame
• .all(axis=1)：检查每一行的所有布尔值是否均为True，即整行所有列都匹配vals的对应元素
• df.loc[mask]：根据布尔掩码提取符合条件的行

浮点数精度处理 #

如果DataFrame中的值是浮点数，可能因精度误差导致匹配失败，可改用numpy.isclose()进行近似匹配：

import numpy as np

mask = np.isclose(df, vals, axis=1).all(axis=1)
result = df.loc[mask]

内容的提问来源于stack exchange，提问作者David Siret Marquês