如何用Pandas布尔Series筛选DataFrame列（解决索引不匹配问题）

遇到这种列数多、索引不完全对齐的情况确实头疼，直接用df.loc[:, filter]报错很正常——因为你的筛选器索引和DataFrame列名没完全对上，DataFrame里的E列在筛选器里找不到对应项，Pandas就“懵”了。下面给你几个高效的解决办法，不用手动找差异：

方法一：先取索引交集对齐筛选器 #

先找出筛选器和DataFrame共有的列，再用对齐后的筛选器来选列，自动跳过双方没有的列：

# 获取两者共有的列名
common_columns = filter.index.intersection(df.columns)
# 用对齐后的筛选器筛选
filtered_df = df.loc[:, filter.loc[common_columns]]

方法二：转字典提取要保留的列 #

把筛选器转成字典，先挑出要保留的列名（值为True的），再去DataFrame里选这些列——这样自然就跳过了DataFrame里不存在的列：

# 从筛选器字典中提取需要保留的列名
keep_columns = [col for col, keep_flag in filter.to_dict().items() if keep_flag]
# 筛选DataFrame
filtered_df = df[keep_columns]

方法三：用reindex统一对齐所有列 #

通过reindex让筛选器的索引和DataFrame的列完全匹配，不存在的列默认设为False，这样就能直接用筛选器了：

# 对齐索引，不存在的列填充为False
aligned_filter = filter.reindex(df.columns, fill_value=False)
filtered_df = df.loc[:, aligned_filter]

这三个方法都能完美解决你的需求，其中方法三更适合需要统一处理所有列的场景，方法二更直观易懂，你可以根据自己的习惯选择。

内容的提问来源于stack exchange，提问作者Brian