Pandas存在可选缺失列时查询DataFrame报KeyError问题排查

报错原因 #

你混淆了Python普通布尔运算符and/or的短路逻辑和Pandas位运算符&/|的运算规则：

• 普通Python的or是布尔短路运算符，左操作数为True时不会执行右操作数
• 你代码中用的|是Pandas的位运算符，执行时会先计算左右两侧的所有表达式生成完整的布尔Series，再对两个Series逐位做或运算，不存在短路逻辑。因此即使pd.isnull(macAddr)为True，dataFrame2['MAC'] == macAddr也会先被执行，MAC列不存在时就会抛出KeyError。

最优解决方案：直接用pd.merge实现匹配 #

你完全不需要手写循环逐行匹配，Pandas内置的merge方法天然支持多列组合匹配，且可以动态调整匹配键，扩展性极强，新增可选键时只需要修改匹配键优先级列表即可：

import pandas as pd

# 1. 定义你的匹配键优先级列表，顺序可按业务需求调整
MATCH_KEY_PRIORITY = ["Case Name", "MAC"]
# 2. 动态筛选出当前DataFrame中实际存在的匹配键（你已经明确两个表列状态完全一致，所以取df1的列交集即可）
exist_keys = [col for col in MATCH_KEY_PRIORITY if col in dataFrame1.columns]
# 3. 直接合并两个DataFrame，用后缀区分来源表数据，一步完成匹配
merged_df = pd.merge(
    left=dataFrame1,
    right=dataFrame2,
    on=exist_keys,
    how="left",  # 保留左表所有行，匹配右表对应行，和你原逻辑一致
    suffixes=("_df1", "_df2") # 自定义后缀区分两个来源的同名字段
)

上述代码完美适配你的需求：

• 同时存在Case Name和MAC时自动用双列匹配
• 缺失MAC时自动仅用Case Name匹配
• 后续新增可选匹配键，只需要把键名加到MATCH_KEY_PRIORITY列表里即可，不需要修改其他逻辑，完全避免分支爆炸

如果确实有特殊场景需要逐行过滤查询（不推荐，性能远低于merge），可以动态构造过滤条件，避免分支：

# 动态构造过滤条件
filter_cond = pd.Series([True]*len(dataFrame2), index=dataFrame2.index)
for key in exist_keys:
    filter_cond &= (dataFrame2[key] == data1[key])
# 过滤查询
data2 = dataFrame2.loc[filter_cond, ['Machine Name', 'OS', 'Exec Time', 'RSS']]

内容的提问来源于stack exchange，提问作者Alvaro Palma Aste