Pandas DataFrame条件筛选语句执行结果不符合预期求助

你遇到的问题核心是两个错误共同导致的：

• 运算符优先级错误：Pandas中&（位与）的优先级远高于==（等于比较），你写的语句实际执行顺序和预期完全不符：
  你预期的逻辑是：(条件A) & (条件B)
  代码实际执行的是：[(左边的数值Series) & df['label']] == pairs[1][1]
• Series索引对齐导致空值：你对df.loc[:,'label']加了[df.index > (num_old_lbl - 1)]筛选后，得到的Series仅包含索引4_{9的条目，和全量`df['label']`（索引0}9）做运算时，索引0~3的位置会被自动填充为NaN，NaN参与所有布尔运算的结果都是False。
• 你第一条语句结果符合预期完全是巧合，并非逻辑正确。

另外补充一点：你构造的df中，num_old_lbl为lbl的长度4，索引>3的行的label值依次为[0,1,2,3,4,5]，pairs[1][1]的值是2，对应的是索引6的行（从1开始数是第7行），如果你的预期是第6行返回True，说明你对行号的计数或者数据构造可能还有细微偏差。

如果要实现「索引大于num_old_lbl-1且label等于对应值」的逻辑，需要把两个条件都写为布尔表达式，分别用括号包裹后再做与运算：

import numpy as np
import pandas as pd

lbl = [0, 1, 2, 3]
lbl2 = [0, 1, 2, 3, 4, 5]
label = lbl + lbl2
df = pd.DataFrame({"label":label})

pairs =[]
for i in range(3):
    pair = (i,i+1)
    pairs.append(pair)

num_old_lbl = len(lbl)
# 两个布尔条件分别用括号包裹，避免优先级问题
cond1 = df.index > (num_old_lbl - 1)
cond2 = df['label'] == pairs[1][1]
result = cond1 & cond2

运行后result的值为：

0    False
1    False
2    False
3    False
4    False
5    False
6     True
7    False
8    False
9    False
dtype: bool

符合逻辑预期。

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