Pandas按索引名筛选DataFrame 自动忽略不存在的无效索引

直接使用df.loc[目标索引列表]筛选时，只要传入列表包含DataFrame中不存在的索引，就会触发KeyError中断程序，以下是两种可自动跳过无效索引的稳定实现：

方法1：索引交集法（推荐，适配绝大多数场景） #

先从传入的目标索引列表中，筛选出真实存在于DataFrame索引中的有效值，再传入loc完成筛选，从根源避免键不存在的报错。

• 如果不需要保留传入列表的索引顺序，直接用pandas内置的交集方法，性能最优：

# 定义待筛选的索引列表（可包含任意无效值）
target_indexes = ['a','d','e','invalid_index']
# 提取有效索引
valid_indexes = df.index.intersection(target_indexes)
# 完成筛选
filtered_df = df.loc[valid_indexes]

• 如果需要严格保留传入目标列表的索引排列顺序，改用列表推导过滤有效索引即可：

target_indexes = ['a','d','e','invalid_index']
valid_indexes = [idx for idx in target_indexes if idx in df.index]
filtered_df = df.loc[valid_indexes]

方法2：布尔索引筛选法 #

通过isin方法判断每行索引是否属于目标列表，生成布尔序列直接做行筛选，天然兼容不存在的索引值：

target_indexes = ['a','d','e','invalid_index']
filtered_df = df[df.index.isin(target_indexes)]

注意：该方法返回的结果行顺序与原DataFrame一致，不会遵循传入目标列表的排列顺序。

避坑提示 #

不要使用df.reindex(target_indexes)实现该需求，该方法会将不存在的无效索引也作为行保留，对应列值填充为NaN，不符合“自动忽略无效索引”的要求。

内容的提问来源于stack exchange，提问作者Budd