Pandas使用loc按温度值查询行，目标值存在却返回空DataFrame

你遇到的这个情况，本质是表面显示值相等，但实际参与比较的两个数据存在类型、精度或格式差异，导致严格相等判断全部返回False，和loc方法本身的逻辑没有关系。

快速排查步骤 #

在查询代码前插入以下几行，直接定位真实问题：

# 查看目标温度的真实数据类型和原始值（用repr打印不会做格式化截断）
print(f"目标temperature的类型是：{type(temperature)}, 原始值是：{repr(temperature)}")
# 查看Temp C列的存储类型
print(f"Temp C列的存储类型是：{table_we_want['Temp C'].dtype}")
# 查看列内每个值的实际类型
print(f"Temp C列内的值类型集合：{table_we_want['Temp C'].apply(type).unique()}")
# 查看Temp C列第一个值的真实原始内容
print(f"Temp C列首行值的原始内容：{repr(table_we_want['Temp C'].iloc[0])}")

高频问题场景 #

• 数据类型不匹配：你定义的temperature是字符串类型（比如从输入框、文本接口读取的"5"），但Temp C列是整数/浮点数类型；或者反过来，因为Excel读入时列里夹杂了空值、非数值内容，pandas自动把整列Temp C识别为字符串类型。这种场景下哪怕打印出来的文字都是"5"，==判断永远返回False，最终拿到空结果。
• 浮点精度误差：从带公式的Excel单元格读入的数据，界面上四舍五入显示为5，实际单元格存的是高精度原始值（比如4.9999999998、5.0000000002），和精确值5做严格==比较时会出现不匹配，这是导入Excel物性数据表时最常踩的坑。
• 字符串夹带不可见字符：如果Temp C列读入为字符串类型，值前后可能带了半角/全角空格（比如"5 "），表面打印显示是5，实际和纯数字的5做比较永远不相等。

额外提醒：你代码开头单独写的temperature是Jupyter交互环境下的打印语句，写在正式Python脚本里没有实际作用，可以删掉避免干扰。

对应解决方法 #

1. 统一两端数据类型 #

在查询前先把两端的数值强制转成可比较的浮点类型，从根源上避免类型不一致问题：

import pandas as pd
import numpy as np

# 把目标温度强制转成浮点型
target_temp = float(temperature)
# 把Temp C列强制转成数值型，无法转换的脏数据会转为NaN
table_we_want['Temp C'] = pd.to_numeric(table_we_want['Temp C'], errors='coerce')

2. 用近似匹配替代严格相等 #

针对物性表查询的实际场景，根本不需要卡严格的数值相等，采用带误差范围的近似匹配既可以解决浮点精度问题，也符合查询需求：

# 允许0.001以内的绝对误差，匹配和目标值一致的行
match_mask = np.isclose(table_we_want['Temp C'], target_temp, atol=0.001)
row = table_we_want.loc[match_mask]

3. 脏数据预处理（可选） #

如果转数值时发现列里有非数值的脏内容，可以先做清洗再转换：

# 去掉字符串前后的空格、替换空值后转数值
table_we_want['Temp C'] = (
    table_we_want['Temp C']
    .astype(str)
    .str.strip()
    .replace('', np.nan)
)
table_we_want['Temp C'] = pd.to_numeric(table_we_want['Temp C'], errors='coerce')

内容的提问来源于stack exchange，提问作者TJ Webster