如何对列值为numpy数组的DataFrame按列条件执行索引操作？

你最初的写法df[df['stats'] is None]存在两处逻辑问题：

• df['stats']返回的是完整的Series对象，is None判断的是这个Series对象本身是否为None，而非遍历判断列内每个元素的属性，最终只会返回单个布尔值False
• pandas接收到单个布尔值作为索引时，会将其作为行标签去匹配查找，自然触发KeyError报错

numpy空数组的size属性固定为0，通过apply遍历列中每个数组元素做判断即可：

# 方法1：通过数组size判断，兼容任意维度空数组
empty_rows = df[df['stats'].apply(lambda x: x.size == 0)]

# 方法2：一维数组也可以用长度判断
empty_rows = df[df['stats'].apply(lambda x: len(x) == 0)]

不能直接用==对比两个numpy数组，否则会返回布尔数组触发pandas维度匹配错误，改用numpy内置的np.array_equal方法判断两个数组是否完全一致即可：

# 筛选stats列等于[1,1,1]的所有行
target = np.array([1,1,1])
target_rows = df[df['stats'].apply(lambda x: np.array_equal(x, target))]

内容的提问来源于stack exchange，提问作者Anonymous