如何在不转换列名类型的情况下调用整数列名筛选DataFrame？

错误原因分析 #

1. Trial 1 报错：isin()方法要求传入列表/可迭代对象，直接传单个整数0/1不符合参数要求，因此抛出类型错误。
2. Trial 2 报错：df.loc[:, [2]]返回的是DataFrame对象（而非Series），调用isin()后得到的是布尔值组成的DataFrame。当尝试用&组合条件时，pandas会尝试对齐索引，导致Timestamp类型的索引和整数布尔值出现不兼容的比较操作，触发类型错误。

正确实现方式 #

直接通过整数列名获取Series（而非DataFrame），再执行筛选操作即可，无需转换列名为字符串：

# 直接用整数列名获取Series，执行条件筛选
df_filtered = df[(df[2].isin([0])) & (df[8].isin([1]))]

# 后续groupby也可直接使用整数列名
dfd = {'{0[0]}{0[1]}'.format(i): x for i, x in df_filtered.groupby([2, 8])}

也可以用loc语法获取单个列的Series：

df_filtered = df[(df.loc[:, 2].isin([0])) & (df.loc[:, 8].isin([1]))]

关键说明 #

• 当你用df.loc[:, [2]]（带方括号的列表形式）时，返回的是包含单列的DataFrame；而df.loc[:, 2]（单个整数）或df[2]返回的是该列的Series。
• 布尔筛选需要用布尔值Series来匹配DataFrame的行索引，这样才能正确完成行筛选。

内容的提问来源于stack exchange，提问作者user_v27