pandas筛选符合多条件的DataFrame行报KeyError:True如何解决

错误原因 #

你原来的写法存在两个核心问题：

• 把serial设为全局索引后，data.new[2]取的是全表所有索引为2的行的new列（多值Series），和data.sold[1]比较得到的布尔序列长度和原表不匹配，直接索引原表就会触发KeyError
• 没有按code做组内匹配，你的条件中sold[1]指的是同code分组下serial=1的sold值，不是全局serial=1的sold值

正确实现方案 #

首先建议先将serial从索引重置为普通列，方便分组处理：

data = data.reset_index()

方案1：groupby + filter（逻辑直观易读） #

自定义分组筛选逻辑，直接匹配你的业务规则：

def match_rule(group):
    # 跳过不同时包含serial=1、2的分组
    if not {1, 2}.issubset(group['serial'].values):
        return False
    # 取当前组serial=1的sold值
    sold_serial1 = group.loc[group['serial'] == 1, 'sold'].iloc[0]
    # 取当前组serial=2的行
    serial2_row = group.loc[group['serial'] == 2]
    # 校验两个条件
    return (serial2_row['new'].iloc[0] >= sold_serial1) & (serial2_row['new'].iloc[0] < serial2_row['sold'].iloc[0])

# 筛选符合条件的分组，最终只保留serial=2的行
result = data.groupby('code').filter(match_rule).query('serial == 2')
print(result)

方案2：transform广播值（写法简洁高效） #

通过transform把组内serial=1的sold值广播到所有行，直接筛选：

# 按code分组，将每组serial=1的sold值广播到组内所有行
data['sold_serial1'] = data.groupby('code')['sold'].transform(lambda x: x[data['serial'] == 1].iloc[0])
# 直接按条件过滤
result = data[(data['serial'] == 2) & (data['new'] >= data['sold_serial1']) & (data['new'] < data['sold'])].drop('sold_serial1', axis=1)
print(result)

两种方案都可以得到你预期的code为20286、serial为2的结果。

内容的提问来源于stack exchange，提问作者Rabe