如何基于另一个DataFrame的单行数据查询筛选Python DataFrame

错误原因 #

你原来的查询代码出错有几个核心问题：

• pandas的query()方法不支持自定义的within range语法，范围匹配需要用绝对值差值小于阈值的逻辑实现
• 引用外部DataFrame（df2）的变量需要加@前缀，不能直接写g.0['NIY']这类非标准语法
• 存在引号嵌套冲突、字段名大小写错误（你写的Purchase_price和实际字段名Purchase_Price不一致）、数字带千位逗号的语法问题

正确实现代码 #

方案1：使用query方法实现

先提取df2的基准值，再通过@引用外部变量完成筛选：

# 提取df2首行的基准值
target_niy = df2['NIY'].iloc[0]
target_price = df2['Purchase_Price'].iloc[0]

# 差值在阈值以内等价于 abs(当前值 - 基准值) ≤ 阈值
# 如果你实际需求的NIY差值阈值是代码里写的0.01，把下方的0.1替换为0.01即可
filtered_df = df1.query('abs(NIY - @target_niy) <= 0.1 and abs(Purchase_Price - @target_price) <= 2000000')

方案2：直接使用布尔索引（可读性更高，无引号嵌套坑）

target_niy = df2['NIY'].iloc[0]
target_price = df2['Purchase_Price'].iloc[0]

# 构造筛选掩码
mask = (abs(df1['NIY'] - target_niy) <= 0.1) & (abs(df1['Purchase_Price'] - target_price) <= 2000000)
filtered_df = df1[mask]

补充说明 #

如果你需要保留之前写的Purchase_Price > 1000000 & NIY > 0.09前置筛选条件，可以直接合并到筛选逻辑中：

mask = (df1['Purchase_Price'] > 1000000) & (df1['NIY'] > 0.09) & (abs(df1['NIY'] - target_niy) <= 0.1) & (abs(df1['Purchase_Price'] - target_price) <= 2000000)
filtered_df = df1[mask]

内容的提问来源于stack exchange，提问作者Alex B