pandas如何根据全部列值查找定位DataFrame中的匹配行

现有实现的问题 #

你当前尝试的三种写法里，链式条件写法存在笔误：重复判断了B列的值，遗漏了C列的匹配条件，虽然示例数据中能得到正确结果，但逻辑不严谨；迭代掩码、逐行比对两种写法逻辑正确，但代码冗余度较高。
pandas本身没有提供名为find的直接行定位接口，但有比你现有写法简洁得多的原生实现，不需要手写循环或拼接长判断条件。

推荐简洁实现 #

1. 逐元素等值判断（最通用，推荐优先使用） #

利用eq方法自动按列名对齐匹配值，配合all逐行判断全列匹配，一行即可生成匹配掩码：

import pandas as pd

df = pd.DataFrame(
    columns = ["A", "B", "C"],
    data = [
        [1, 2, 3],
        [4, 5, 6],
        [7, 8, 9],
        [10, 11, 12],
        ])

row = {"A" : 10, "B" : 11, "C" : 12}

# 直接获取匹配行的索引
match_idx = df[df.eq(pd.Series(row)).all(axis=1)].index[0]
print(match_idx) # 输出3

• 执行逻辑和你手写迭代生成mask的逻辑完全一致，但由pandas底层向量化实现，运行效率更高，且自动适配列顺序和row字典的键顺序不一致的场景，不需要手动对齐顺序。

2. 元组等值匹配（适合全列精确匹配场景） #

如果要匹配的键值对覆盖所有列，且值均为可哈希类型，可以将每行转成元组后直接和目标元组比对：

# 注意先按df的列顺序从row中取值，避免顺序不匹配导致错误
target_tuple = tuple(row[col] for col in df.columns)
match_idx = df.index[df.apply(tuple, axis=1) == target_tuple][0]

3. 表连接匹配（适合批量定位多行场景） #

如果需要一次性定位多个目标行，用内连接的方式效率远高于循环单查：

# 多个待查找行可以统一存入target_df
target_df = pd.DataFrame([row])
match_result = df.reset_index().merge(target_df, on=list(row.keys()), how="inner")
all_match_idx = match_result["index"].tolist()

自定义类find接口 #

如果高频使用该功能，可以直接封装成通用函数，实现你期望的find式调用效果：

def find_row(df: pd.DataFrame, row_cond: dict):
    """按整行键值对定位匹配行，返回匹配行的索引序列"""
    return df[df.eq(pd.Series(row_cond)).all(axis=1)].index

# 调用示例
idx = find_row(df, row)[0]

注意：如果匹配条件中包含空值NaN，因为np.nan != np.nan的特性，需要把等值判断替换为兼容空值的判断逻辑，再做全列匹配。

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