为何DataFrame多条件筛选时首行未被识别？

这是个典型的运算符优先级坑，很多刚接触pandas布尔索引的同学都会栽在这里！

核心问题：运算符优先级搞反了 #

Python里的运算符优先级规则中，按位与运算符&的优先级要高于相等比较运算符==。你写的表达式(df['productCode']) == 23 & (df['basketID'] == 1)，Python并不会按照你预期的「先分别判断两个条件，再做按位与」来执行，而是会先计算23 & (df['basketID'] == 1)这部分。

我们拆解一下错误的执行流程：

1. 先计算df['basketID'] == 1，得到布尔数组：[True, True, True, False, False, False, False, False]
2. 布尔值在Python中等价于整数（True=1，False=0），所以将这个数组和23做按位与运算：23 & 1 = 1，23 & 0 = 0，最终得到数组[1,1,1,0,0,0,0,0]
3. 最后判断df['productCode'] == 上述数组——你的productCode都是23、24、25，自然全不匹配，结果就全是False了。

正确写法 #

你需要给每个独立的比较条件都加上括号，明确告诉Python先执行每个判断，再做按位与：

(df['productCode'] == 23) & (df['basketID'] == 1)

执行这个表达式的流程就是你预期的：

1. 先得到df['productCode'] ==23的布尔数组：[True,False,False,True,True,False,False,False]
2. 再得到df['basketID'] ==1的布尔数组：[True,True,True,False,False,False,False,False]
3. 对两个数组做按位与，最终得到正确结果：[True,False,False,False,False,False,False,False]

更直观的替代方案 #

如果觉得括号太多麻烦，也可以用pandas的query()方法，它的逻辑判断优先级和日常理解一致，写法更简洁：

df.query("productCode == 23 and basketID == 1")

内容的提问来源于stack exchange，提问作者Richard Rublev