如何高效筛选Pandas DataFrame中与指定行完全匹配的索引？

核心解决方案 #

不用逐个列编写判断条件，直接利用向量化操作生成全列匹配的布尔掩码，再提取对应索引：

# 假设row是待匹配的单行数据（若为列表，需先转为与df列一致的Series）
row_series = pd.Series(row, index=df.columns)  # 列表转Series的步骤（如果row已是Series可跳过）
matching_indices = df.index[(df == row_series).all(axis=1)]

(df == row_series).all(axis=1)会逐行检查所有列是否与目标行完全匹配，返回布尔数组，最后用df.index提取匹配行的索引。

解决你补充代码的无结果问题 #

你循环中没得到匹配结果，大概率是浮点数精度误差导致的——如果DataFrame包含浮点类型列，直接用==比较会因为微小精度差判定不相等。可以用以下两种方式修正：

方式1：处理浮点精度的近似匹配 #

import numpy as np

for index, row in DF.iterrows():
    DF_SELECT = DF.loc[index-1:index+1]
    # 用np.isclose处理浮点数值的近似相等，再判断整行全匹配
    match_mask = np.isclose(DF_SELECT, row).all(axis=1)
    find = DF_SELECT.index[match_mask]
    print(find)

方式2：用equals逐行精确匹配 #

for index, row in DF.iterrows():
    DF_SELECT = DF.loc[index-1:index+1]
    # 用equals方法逐行与目标行做精确比较
    match_mask = DF_SELECT.apply(lambda x: x.equals(row), axis=1)
    find = DF_SELECT.index[match_mask]
    print(find)

另外注意：iterrows()效率较低，若数据量较大，建议直接对整个DataFrame执行全量匹配，无需循环遍历每行。

内容的提问来源于stack exchange，提问作者user19725009