Pandas中合并过滤NaN与指定内容失败，求正确实现方法

首先，你单独执行的代码其实存在语法错误（大概率是提问时的笔误），这也是合并后失效的核心原因：

• 第一个过滤逻辑，正确写法应该是df.loc[df['Entity'] != 'World']，而不是df.loc[['Entity'] != ('World')]。['Entity']是一个列表，和字符串'World'比较得到的是布尔值True，此时df.loc[True]只会返回DataFrame的第一行，根本达不到过滤World行的效果——你说单独执行成功，说明实际运行时你写的是df['Entity'] != 'World'（基于DataFrame的列而非列表）。
• 第二个过滤逻辑，正确写法是df2.loc[df2['Code'].str.contains('', na=False)]，['Code']是列表，没有str方法，能成功执行说明你实际用的是df2['Code']这个Series。

合并过滤的正确写法 #

合并两个条件时，需要注意两点：

1. 每个条件都要基于DataFrame的列（即df['列名']），不能用列表['列名']；
2. 逻辑运算符用&（表示“且”），且每个条件必须用括号括起来，避免运算符优先级问题。

示例代码：

# 一步完成双重过滤
df2 = df.loc[(df['Entity'] != 'World') & (df['Code'].str.contains('', na=False))]

或者分步执行（和你单独执行的逻辑一致）：

df2 = df.loc[df['Entity'] != 'World']
df2 = df2.loc[df2['Code'].str.contains('', na=False)]

额外优化建议 #

如果你的需求只是过滤掉Code列的NaN值，用df['Code'].notna()比str.contains('', na=False)更直观高效，写法如下：

df2 = df.loc[(df['Entity'] != 'World') & (df['Code'].notna())]

内容的提问来源于stack exchange，提问作者Shinsui