pandas DataFrame双列条件不等式筛选的正确写法与报错解决

• 该报错和浮点数0.9的取值精度没有关联，核心问题出在点号取列的实现逻辑上。
• 使用df.col1这类点号取列写法时，本质是依赖Python的属性访问语法获取列数据，这种方式存在天然限制：当指定的列名和DataFrame内置的方法/属性重名时，pandas会优先返回内置的方法/属性对象，而非对应列的Series数据。举个例子，若你的列名为index（DataFrame内置的行索引属性名），df.index会直接返回行索引对象，而非对应列的数值数据，此时做数值比较就会触发类型错误。
• 报错信息提示method与float无法进行>比较，正是因为点号访问的df.col1实际返回了内置方法对象，而非你预期的列数值序列，直接对方法做数值比较自然触发类型错误。
• 对比之下，方括号取列df['col1']属于字典式取值逻辑，不受上述属性访问冲突的限制，无论列名是否和内置方法重名、是否为合法Python标识符，都能稳定返回对应列的Series，也是pandas官方更推荐的取列方式。

• 优先使用方括号取列编写多条件筛选逻辑，完全规避属性访问冲突问题，标准写法如下：

  df.loc[(df['col1'] > 0.9) & (df['col2'] > 1)]
  

• 若要使用点号取列的简写形式，需提前确认列名同时满足两个要求：一是为合法Python标识符（无空格、特殊字符，不以数字开头）；二是不与DataFrame内置属性/方法重名，满足条件时可写为：

  df.loc[(df.col1 > 0.9) & (df.col2 > 1)]
  

  这种写法鲁棒性较低，不推荐在生产环境代码中使用。
• 额外注意：多条件组合时，每个独立的判断条件必须单独用括号包裹。由于&、|的运算符优先级高于比较运算符，缺失括号会导致运算逻辑完全偏离预期，比如你之前写的等值条件示例df.loc[(df['col1'] == 0.9 & (df['col2'] == 1)]，实际会先运算0.9 & (df['col2'] ==1)，再与df['col1']做等值判断，结果不符合需求。

内容的提问来源于stack exchange，提问作者develarist