如何在Pandas中筛选分类列的指定类别数据？

问题场景 #

现有如下Pandas DataFrame：

id      gender  articleType  baseColour  season   usage
0   15970   Men     Shirts       Blue        Fall     Casual
1   39386   Men     Jeans        Blue        Summer   Casual
2   59263   Women   Watches      Silver      Winter   Casual
3   21379   Men     Sport Pants  Black       Fall     Casual
4   53759   Men     Tshirts      Grey        Summer   Casual

其中articleType列包含约60个不同类别，需要仅保留以下指定类别：

category = ['Tshirts', 'Shirts', 'Casual Shoes', 'Watches', 'Beauty Product', 'Sports Shoes', 'Kurtas', 'Tops', 'accessories', 'Briefs', 'Sport Pants', 'Shorts', 'Formal Shoes', 'Jeans', 'Trousers', 'Kurtis', 'Dresses', 'Sarees', 'Jackets']

尝试使用df[(df['articleType'] == category)]筛选时，出现报错：

ValueError: ('Lengths must match to compare', (44077,), (19,))

正确解决方法 #

报错原因是直接用==做比较时，Pandas会尝试逐元素匹配，但DataFrame的articleType列长度（44077）和category列表长度（19）不匹配，导致无法对比。

正确的做法是使用Pandas的isin()方法，它专门用于检查元素是否存在于指定列表中：

# 筛选符合指定类别的行
filtered_df = df[df['articleType'].isin(category)]

也可以使用query()方法，语法更简洁直观：

filtered_df = df.query("articleType in @category")

isin()会返回一个布尔型Series，标记每一行的articleType是否在目标列表内，用这个布尔Series索引原DataFrame即可得到筛选结果；query()方法中用@符号引用外部定义的category变量，实现相同的筛选逻辑。

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