Pandas：如何提取DataFrame中列值匹配数字列表的行

筛选DataFrame中列A取值为1的行时，大家基本都会用熟悉的等值判断写法：

df.loc[df['A'] == 1]

碰到需要匹配多值的场景——比如要找出列A取值在[1,2,3]范围内的所有行时，不少人会惯性把原来写法里的单值直接替换成列表，写出下面的代码：

# 完全无法正常运行的错误写法
df.loc[df['A'] == [1,2,3]]

这种写法一执行就会抛数组长度不匹配的报错，根本拿不到预期的筛选结果。
原因很直白：单值筛选时，df['A'] == 1 是拿A列的每个元素和标量1做等值判断，最终生成的布尔掩码长度和DataFrame总行数完全一致，刚好能给loc做筛选用。但如果把右侧的标量换成长度为3的列表，Pandas会默认走逐元素向量对比的逻辑——左边A列的长度等于DataFrame总行数，右边列表长度只有3，两边维度对不上，根本没法完成计算。

针对“列值匹配给定列表内任意值”的筛选需求，Pandas专门提供了isin()方法，写法和原来的单值筛选逻辑非常接近，上手零成本：

# 筛选列A取值在[1,2,3]范围内的所有行
df.loc[df['A'].isin([1, 2, 3])]

实用提示：如果硬要沿用逐次等值判断的写法，就得把每个值的判断用逻辑或运算符|拼接起来，但这种写法非常冗余，匹配的列表越长代码越难维护，还很容易因为漏写括号触发语法错误，远不如isin()简洁高效。

内容的提问来源于stack exchange，提问作者SKPS