Python pandas中如何正确使用带特定条件的DataFrame.loc筛选行

两种写法的错误本质都是没有正确生成逐行匹配的布尔掩码：

• 第一种写法里的dgdp['Code'].str是pandas提供的字符串处理访问器，不是列的实际值序列，表达式dgdp['Code'].str in country_codes不会逐行判断，只会返回单个布尔值False，.loc接收到这个值时会尝试找名为False的列，最终触发KeyError: False。
• 第二种写法用Python原生in关键字判断时，会尝试把整个dgdp['Code']Series对象作为元素去和集合里的值匹配，但是Series是可变对象，不支持哈希计算，因此触发TypeError: 'Series' objects are mutable, thus they cannot be hashed报错。

pandas提供了专门的.isin()方法实现逐元素的集合成员判断，该方法会返回和原列长度一致的布尔序列，正好适配.loc的行筛选逻辑：

# 计算两个DataFrame中Code列的交集
country_codes = set(dle['Code']) & set(dgdp['Code'])
# 用isin生成布尔掩码，筛选目标行
filtered_result = dgdp.loc[dgdp['Code'].isin(country_codes)]

• 实际使用时如果嫌提前算交集麻烦，也可以直接写dgdp[dgdp['Code'].isin(dle['Code'])]，不用手动转set，pandas内部会自动处理，数据量特别大的时候提前转set判断速度会快一点。
• 如果Code列存在空值，.isin()对空值会返回False，不会被筛进来，有需要保留空值的话额外追加| dgdp['Code'].isna()的判断条件即可。

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