如何为DataFrame的loc()设置多条件？筛选结果不符预期求解

• 检查Section列的字符串格式
  很多时候是字符串存在空格、大小写差异或特殊字符导致匹配失败，比如' group1'或'Group1'。先查看列的唯一值确认：

  print(df['Section'].unique())
  

  若存在格式问题，先清洗数据后再筛选：

  df['Section'] = df['Section'].str.strip().str.lower()
  df2 = df.loc[((df.CustID == i) & (df['Section'].isin(['group1', 'group2']))),
                ['CustID', 'Section']].copy()
  

• 验证CustID与i的类型匹配
  如果i是整数但df.CustID是字符串类型（如'123'），==判断会返回错误结果。打印类型和当前值确认：

  print(f"i的值: {i}, 类型: {type(i)}")
  print(f"CustID列类型: {df['CustID'].dtype}")
  

  类型不匹配时做转换，比如将CustID转为整数：

  df['CustID'] = df['CustID'].astype(int)
  

• 单独验证每个筛选条件
  拆分条件单独测试，确认每个条件的匹配结果是否符合预期：

  # 检查CustID匹配行数
  cust_match = (df.CustID == i).sum()
  # 检查Section匹配行数
  section_match = df['Section'].isin(['group1', 'group2']).sum()
  # 检查组合条件匹配行数
  combined_match = ((df.CustID == i) & df['Section'].isin(['group1', 'group2'])).sum()
  
  print(f"CustID匹配行数: {cust_match}, Section匹配行数: {section_match}, 组合匹配行数: {combined_match}")
  

  如果组合匹配行数异常，就能定位是单个条件的问题。

• 重置索引排除数据异常
  若DataFrame存在重复索引或未刷新的修改痕迹，可能导致筛选逻辑异常，重置索引后再尝试：

  df = df.reset_index(drop=True)
  df2 = df.loc[((df.CustID == i) & (df['Section'].isin(['group1', 'group2']))),
                ['CustID', 'Section']].copy()
  

内容的提问来源于stack exchange，提问作者PandaSmanda18