Pandas中根据动态列名及匹配值获取符合条件的行索引

针对查询列、匹配值动态传入，无法硬编码固定筛选条件的场景，可通过通用逻辑实现任意列组合、任意组匹配值的行索引查询，完全不需要提前固定列名和判断条件。

基础实现（逻辑直观易修改） #

核心思路是动态逐列生成匹配条件，通过逻辑与运算拼接所有列的匹配要求，最终过滤得到符合条件的行索引：

import pandas as pd

# --------------- 测试数据 ---------------
df = pd.DataFrame({
    'Pretreat': [3.0]*8,
    'Setup': [0.5, 0.5, 3.0, 3.0, 5.0, 5.0, 0.5, 0.5]
})
query_labels = ['Pretreat', 'Setup']  # 动态传入的待查询列名列表
query_values = [(3.0, 0.5)]  # 动态传入的待匹配值组，顺序和query_labels一一对应

# --------------- 核心查询逻辑 ---------------
result = {}
query_subdf = df[query_labels]  # 提前提取查询列子表，减少无关计算
for val_group in query_values:
    # 初始化全True的掩码，逐列叠加匹配条件（等价于多条件AND）
    match_mask = pd.Series(True, index=df.index)
    for col, target in zip(query_labels, val_group):
        match_mask &= (query_subdf[col] == target)
    # 提取符合条件的行索引存入结果
    result[val_group] = df.index[match_mask].tolist()

运行后得到的result和预期完全一致：

{(3.0, 0.5): [0, 1, 6, 7]}

扩展说明 #

• 支持多组值同时查询：直接向query_values中新增元组即可，例如传入[(3.0, 0.5), (3.0, 3.0)]，结果会自动返回两组值分别对应的行索引。
• 支持自定义匹配规则：如果某列不需要等值匹配，只要替换对应位置的判断逻辑即可，例如范围匹配改成query_subdf[col] > target、多值匹配改成query_subdf[col].isin(target)、浮点数精度匹配改成np.isclose(query_subdf[col], target)。
• 高性能批量匹配：如果待匹配的值组数量很大（上百组及以上），可以用表连接的方式一次性完成所有匹配，避免循环开销：

# 大批量匹配优化写法
query_cond_df = pd.DataFrame(query_values, columns=query_labels)
match_record = df.reset_index().merge(query_cond_df, on=query_labels, how='inner')
result = {tuple(k): v for k, v in match_record.groupby(query_labels)['index'].apply(list).items()}

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