Pandas多列过滤函数报错：无法使用多维键索引

现有如下Pandas DataFrame：

df = DataFrame({'A' : [True, True, False], 'B' : [1, 1, 2], 'C' : [3, 4, 5]})

对应的表格：

需要编写一个函数，接收列名列表和对应值列表作为输入，返回过滤后的DataFrame。例如调用result = pandas_filter(df=df, columns_list=['A', 'B'], values_list=[True, 1])时，应得到：

原函数执行时抛出ValueError("Cannot index with multidimensional key")错误：

def pandas_filter(df, columns_list, values_list):
    return df.loc[df[columns_list] == values_list]

错误原因 #

df[columns_list] == values_list会生成一个布尔类型的DataFrame（每行对应各列是否匹配对应值），而df.loc[]需要的是一维的布尔索引（每行整体是否符合条件），直接传入多维的布尔DataFrame就会触发这个错误。

正确实现方法 #

方法一：使用eq()+all(axis=1)

通过eq()方法批量匹配列与对应值，再用all(axis=1)将每行的所有匹配结果合并为一个布尔值（所有列都匹配才返回True）：

def pandas_filter(df, columns_list, values_list):
    mask = df[columns_list].eq(values_list).all(axis=1)
    return df.loc[mask]

方法二：遍历列手动构建条件

逐个遍历列和对应值，逐步叠加逻辑与条件，最终生成一维布尔索引：

def pandas_filter(df, columns_list, values_list):
    mask = True
    for col, val in zip(columns_list, values_list):
        mask &= df[col] == val
    return df.loc[mask]

两种方式都能正确实现多列匹配过滤，返回预期结果。

内容的提问来源于stack exchange，提问作者Onur Tavaslıoğlu