使用Pandas的.isin()排除DataFrame指定客户ID失效的问题咨询

这问题我之前处理Pandas数据时也踩过坑！大概率是数据类型不匹配在搞鬼，咱们一步步拆解：

核心原因 #

你的excluded_customers列表里存的是字符串类型（比如'2000'），但DataFrame中CUSTOMER_ID列的数据类型可能是整数（比如2000）。Pandas的isin()函数会严格匹配类型，整数和字符串会被判定为不相等，导致这些目标客户根本没被过滤掉，自然会出现在后续的排序结果里。

先验证类型是否匹配 #

先跑两行代码确认一下：

# 查看CUSTOMER_ID列的数据类型
print(df['CUSTOMER_ID'].dtype)
# 查看排除列表中元素的类型
print(type(excluded_customers[0]))

如果输出一个是int64（整数）、一个是<class 'str'>（字符串），那实锤就是类型不匹配的问题了。

解决步骤 #

有两种简单的修复方式，选一种就行：

1. 把排除列表转成和列一致的类型
   如果CUSTOMER_ID是整数类型，直接把列表里的元素改成整数：

excluded_customers = [2000, 2100, 3100, 4000, 4100, 4200, 4300, 4400, 4700, 6802]

2. 把CUSTOMER_ID列转成字符串类型
   如果更倾向于用字符串匹配，就把列类型转换：

df['CUSTOMER_ID'] = df['CUSTOMER_ID'].astype(str)

改完之后重新执行你的过滤代码，就能成功排除目标客户了。

小优化：简化过滤写法 #

你原来的过滤代码可以更简洁，用Pandas的波浪线~做取反操作，可读性更好：

df2 = df[~df['CUSTOMER_ID'].isin(excluded_customers)]

排序的小提醒 #

另外，df2.sort_values(by=['CUSTOMER_ID'])默认会返回一个新的排序后DataFrame，不会修改原df2。如果想让df2直接变成排序后的结果，记得赋值或者用inplace=True（更推荐赋值的方式，避免原地修改的潜在问题）：

# 推荐写法：重新赋值
df2 = df2.sort_values(by=['CUSTOMER_ID'])
# 或者用inplace（不推荐，但也能用）
df2.sort_values(by=['CUSTOMER_ID'], inplace=True)

内容的提问来源于stack exchange，提问作者codesign