Pandas中df.loc[]与df[]布尔掩码索引的使用疑问

1. df[]的行为并非仅局限于列筛选 #

你之前的误解很普遍，但df[]（即Pandas的__getitem__方法）的逻辑是根据传入参数类型动态调整的：

• 传入字符串/字符串列表：筛选列（比如df['FTHG']或df[['FTHG', 'FTAG']]）
• 传入长度与DataFrame行数一致的布尔数组：筛选行（就是你遇到的场景）
• 传入整数切片：同样筛选行（比如df[2:5]取第3到第5行）

你的aw_0_4 | hw_4_0生成的是长度等于pl23行数的布尔数组，所以pl23[aw_0_4 | hw_4_0]会触发行筛选逻辑，而非列筛选，自然不会抛出IndexingError。

2. df.loc的索引逻辑 #

df.loc是基于标签的索引器，严格遵循loc[行索引器, 列索引器]的格式：

• 省略列索引器时，默认等价于: （选中所有列），所以pl23.loc[aw_0_4 | hw_4_0]和pl23.loc[aw_0_4 | hw_4_0, :]完全等价，都是筛选符合条件的行+所有列。
• 而pl23.loc[:, aw_0_4 | hw_4_0]是试图用行长度的布尔数组去筛选列，但列的数量和布尔数组长度不匹配（pl23的列数远小于行数），属于索引器维度不匹配，因此直接报错。

3. 纠正你的误解 #

df[布尔掩码]不是df.loc[:, 布尔掩码]的简写，当掩码是行匹配的布尔数组时，它等价于df.loc[布尔掩码, :]，也就是行筛选+全列选中。

举个简单验证例子：

import pandas as pd
df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6]})
mask = df['a'] > 1
print(df[mask])  # 筛选行，输出第2、3行
print(df.loc[mask, :])  # 和上面结果完全一致

内容的提问来源于stack exchange，提问作者Deano