Pandas按不同过滤列表筛选DataFrame失效 输出为原始拼接结果

• 核心错误是过滤列表的读取逻辑完全不成立：你代码里的filtration_1/filtration_2/filtration_3本身就是直接定义的整数ID列表，不是本地文件路径。open(f"{filtration_n}", "r")会通过f-string把列表转成字符串作为文件名（等价于尝试打开名为[166, 167]的文件），正常运行这行应该直接抛出FileNotFoundError。如果你没遇到报错，大概率是调试时残留了同名空文件，或者代码里有异常捕获逻辑吞掉了报错，最终读出来的lines1/lines2/lines3全是空列表。
• 存在隐藏的类型匹配问题：就算你真的是从文本文件读取过滤ID，逐行读出来的内容是字符串类型，而DataFrame的ID列是整数类型，isin()做匹配时字符串和整数不会判定为相等，即使列表有值也匹配不到目标ID，过滤同样失效。
• 当传入isin()的是空列表时，会返回全False的布尔序列，前面加取反符~之后就变成全True，相当于选中DataFrame的所有行，最终拼接出来的结果自然是三个原始DataFrame的全集，看起来和没做过滤完全一样。

如果过滤列表是直接写在代码里的，完全不需要走文件读取流程，直接使用列表做匹配即可，修正后代码如下：

import pandas as pd

# 直接定义过滤ID列表
filtration_1 = [166, 167]
filtration_2 = [161, 125]
filtration_3 = [125, 198]

# 读取原始数据
df1 = pd.read_csv(data1, sep="\t", names=["ID", "time", "name", "value"])
df2 = pd.read_csv(data2, sep="\t", names=["ID", "time", "name", "value"])
df3 = pd.read_csv(data3, sep="\t", names=["ID", "time", "name", "value"])

# 按对应规则过滤
new_df1 = df1[~df1["ID"].isin(filtration_1)]
new_df2 = df2[~df2["ID"].isin(filtration_2)]
new_df3 = df3[~df3["ID"].isin(filtration_3)]

# 拼接结果，加ignore_index重置索引避免索引重复
df = pd.concat([new_df1, new_df2, new_df3], ignore_index=True)

如果你的过滤ID实际是存储在独立文本文件中（每行存一个ID），读取时必须把内容转成和ID列一致的整数类型，参考读取逻辑：

# 从文本文件读取ID并转成整数
with open("filtration_1.txt", "r", encoding="utf-8") as f:
    filtration_1 = [int(line.strip()) for line in f if line.strip()]

批量处理优化：如果实际场景下DataFrame和对应过滤规则的数量很多，可以把「DataFrame对象、对应过滤列表」做成配对元组的列表循环处理，不用重复写重复的读取、过滤逻辑，减少手写代码出错的概率。

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