DataFrame多条件取值遇KeyError及首匹配行赋值方法问询

我尝试编写条件映射MARKET_STATES.OPENING_AUCTION，但运行下面代码时出现KeyError: (False, False, False)：

market_info_df.loc[market_info_df['issue_status' == '10', 'market_phase' == '0',
                                          'trading_state' == '  '].iloc[0]] = MARKET_STATES.OPENING_AUCTION

问题1：这段代码实际执行的是什么操作？我的理解是通过iloc[0]找到三列符合指定值的首个实例，然后将其映射为MARKET_STATES.OPENING_AUCTION，是否正确？ #

你的理解完全错误，这段代码的逻辑从根上就错了：

• 首先，'issue_status' == '10'是在比较两个字符串是否相等，结果是布尔值False（因为"issue_status"和"10"完全不是一回事），同理'market_phase' == '0'、'trading_state' == ' '也都是False。
• 这意味着你实际是在尝试取market_info_df[(False, False, False)]，这个索引根本不存在，直接触发KeyError。
• 退一步说，就算条件写法正确，你用.iloc[0]拿到的是整行数据，再塞到loc[]里会被当成行标签去匹配，完全不是你想的“找符合条件的行并赋值”逻辑。

问题2：如何编写条件实现：当三列匹配指定值时，将首个匹配行的trade_type列设置为MARKET_STATES.OPENING_AUCTION？ #

核心思路是先筛选出符合三列条件的行，定位到第一个匹配行的索引，再给对应的trade_type字段赋值，下面给两种写法：

方法1：分步写法（可读性强） #

# 生成筛选条件：三列同时满足指定值
mask = (market_info_df['issue_status'] == '10') & \
       (market_info_df['market_phase'] == '0') & \
       (market_info_df['trading_state'] == '  ')

# 获取首个匹配行的索引
first_match_idx = market_info_df[mask].index[0]

# 给对应行的trade_type列赋值
market_info_df.loc[first_match_idx, 'trade_type'] = MARKET_STATES.OPENING_AUCTION

方法2：一行写法（简洁高效） #

market_info_df.loc[
    (market_info_df['issue_status'] == '10') & 
    (market_info_df['market_phase'] == '0') & 
    (market_info_df['trading_state'] == '  '), 
    'trade_type'
].iloc[0] = MARKET_STATES.OPENING_AUCTION

防报错优化（无匹配行时不执行） #

如果担心没有符合条件的行会触发索引错误，可以先判断筛选结果是否为空：

mask = (market_info_df['issue_status'] == '10') & \
       (market_info_df['market_phase'] == '0') & \
       (market_info_df['trading_state'] == '  ')

if not market_info_df[mask].empty:
    first_match_idx = market_info_df[mask].index[0]
    market_info_df.loc[first_match_idx, 'trade_type'] = MARKET_STATES.OPENING_AUCTION

内容的提问来源于stack exchange，提问作者user19667022