Pandas多条件筛选列区间值返回0行但单条件生效问题

两种区间筛选写法语法完全正确，返回空结果均为数据层面问题，按以下步骤排查修复：

• 校验字段数据类型
  首先执行代码确认vehicle.vehicle.id列的存储类型：

  print(df["vehicle.vehicle.id"].dtype)
  

  如果返回值为object或string，说明该列存储的是字符串格式而非数值类型。字符串的大小比较遵循逐位字典序规则，和数值大小比较逻辑完全不同，会直接导致区间筛选失效。
  修复方式为先将字段转为数值类型，再执行筛选：

  # 字段转数值，无法转换的脏数据会被置为NaN，可根据业务需求处理这部分缺失值
  df["vehicle.vehicle.id"] = pd.to_numeric(df["vehicle.vehicle.id"], errors="coerce")
  # 执行区间筛选
  df_result = df.loc[df["vehicle.vehicle.id"].between(4501, 4524)]
  print(df_result.shape)
  

• 校验数据实际分布
  如果字段已经是int/float类数值类型，先筛选出所有id≥4501的记录，打印这部分数据的id极值，确认实际数据范围：

  df_temp = df.loc[df["vehicle.vehicle.id"] >= 4501]
  print("符合≥4501的id最小值：", df_temp["vehicle.vehicle.id"].min())
  print("符合≥4501的id最大值：", df_temp["vehicle.vehicle.id"].max())
  

  如果输出的最小值都大于4524，说明数据集内本身不存在4501~4524区间的id，筛选返回空为正常结果，属于前期数据预期判断偏差。
• 脏数据排查
  如果上述两步都没定位问题，检查id列是否存在不可见特殊字符（比如首尾空格、换行符、全角数字），这类脏数据会导致比较逻辑异常，前面的pd.to_numeric转类型步骤可以同步解决绝大多数这类问题。

补充说明：df[col].between(a,b)默认包含两端边界值，和(df[col] >=a) & (df[col] <=b)逻辑完全等价，两种写法同时返回空可以直接排除语法错误的可能。

内容的提问来源于stack exchange，提问作者Derek Lee