如何使用变量筛选pandas DataFrame行，解决过滤结果出现NaN的问题

问题根源 #

你定义的ft是列表类型，df[ft]返回的是DataFrame结构而非单列Series，用df[ft]==3判断后得到的是同维度的布尔值DataFrame。直接把这个布尔DataFrame传入df[]索引时，pandas会逐元素匹配判断，不符合条件的位置会直接置为NaN，无法实现整行筛选的效果。

可用解决方案 #

方案1：ft仅指定单个筛选列时 #

直接取列表的第一个元素获取列名，生成单列布尔Series做整行筛选即可：

import pandas as pd
df = pd.DataFrame([[1,2], [3,4]], columns=['a', 'b'])
ft = ["a"]
dt = df[df[ft[0]] == 3]
print(dt)

运行结果完全符合预期：

a  b
1  3  4

方案2：ft可能包含多个筛选列时 #

如果后续需要支持多列筛选逻辑，可配合any(axis=1)（任意一列满足条件）或者all(axis=1)（所有列都满足条件）对整行的布尔结果做聚合判断：

import pandas as pd
df = pd.DataFrame([[1,2], [3,4]], columns=['a', 'b'])
ft = ["a"]
# 整行判断是否有符合条件的列
dt = df[(df[ft] == 3).any(axis=1)]
print(dt)

运行结果和方案1完全一致。

内容的提问来源于stack exchange，提问作者akumar