Pandas用同一布尔掩码筛选两个DataFrame索引不匹配报错如何解决

• 报错的核心原因是你用来做筛选的布尔序列（来自X_oos_top_10["comm"] == 1）的索引，和y_oos_top_10的索引不一致，pandas做布尔索引时要求索引对齐，所以抛出了该错误。

方法1：先对齐索引（推荐，适合两个DataFrame行顺序本来就是一一对应的场景） #

如果两个DataFrame本来是同一份数据集拆分出的特征集和标签集，逐行对应，先把y的索引替换成和X一致的，再筛选即可：

# 对齐y的索引和X一致
y_oos_top_10 = y_oos_top_10.set_axis(X_oos_top_10.index, axis=0)
# 再用布尔序列正常筛选
y_oos_top_10_comm1 = y_oos_top_10[X_oos_top_10["comm"] == 1]

方法2：转numpy数组跳过索引对齐 #

确认两个DataFrame行数一致、行顺序完全对应时，可以直接把布尔序列转成numpy数组，绕开pandas的索引对齐校验：

# 旧版本pandas用.values
y_oos_top_10_comm1 = y_oos_top_10[(X_oos_top_10["comm"] == 1).values]
# pandas 1.0+版本推荐用更规范的.to_numpy()
y_oos_top_10_comm1 = y_oos_top_10[(X_oos_top_10["comm"] == 1).to_numpy()]

方法3：用位置索引筛选 #

同样适合行顺序完全对应的场景，取布尔序列为True的位置下标，用iloc筛选：

mask = X_oos_top_10["comm"] == 1
y_oos_top_10_comm1 = y_oos_top_10.iloc[mask[mask].index]

注意：使用后两种方法前务必确认两个DataFrame行数一致、行顺序严格一一对应，否则筛选出的结果会出现错位问题。

内容的提问来源于stack exchange，提问作者user17361224