Pandas按多条件返回DataFrame时np.where报TypeError的问题排查

• 逻辑运算符选型错误。你要筛选满足两个收入分组任意一个的行，本应使用逻辑或|，但代码里用了逻辑与&——单个单元格的收入值不可能同时等于两个不同的分组名，这个判断从逻辑上就永远为假。
• 运算顺序未做隔离。&/|的运算优先级高于比较运算符==，如果不把每个独立的判断条件用圆括号包裹，会先执行位运算再执行比较，直接触发布尔索引报错。
• 对np.where的返回性质认知偏差。np.where()返回的是存储匹配行索引位置的元组，不是筛选后的DataFrame。你直接把这个元组赋值给df变量，会把原本的DataFrame覆盖成索引元组，后续再用字符串列名索引这个元组时，就会触发TypeError: tuple indices must be integers or slices, not str——你之前写的单条件np.where(df['Country'] == 'USA')代码运行后，df也已经被替换成了索引元组，只是没执行后续的列索引操作，所以没有提前报错。

结合pandas的设计逻辑，推荐三类适配不同场景的正确实现：

• 多值离散匹配（首选方案）：用内置的isin方法处理列的固定值匹配需求，无需手写逻辑连接符，代码可读性更高：

  target_df = df[df['Income Group'].isin(['High income', 'Upper middle income'])]
  

• 自定义组合逻辑：如果需要灵活拼接多维度判断规则，必须遵守语法要求：每个独立判断条件用圆括号包裹，多条件用|（或）/&（与）连接：

  target_df = df[(df['Income Group'] == 'High income') | (df['Income Group'] == 'Upper middle income')]
  

• 必须使用np.where的场景：np.where的定位是生成匹配位置的索引，不能直接作为DataFrame替代对象使用，需要结合iloc完成原表截取：

  # 生成匹配行的索引元组
  match_pos = np.where(
      (df['Income Group'] == 'High income') | (df['Income Group'] == 'Upper middle income')
  )
  # 用索引截取原表得到最终结果
  target_df = df.iloc[match_pos]
  

语法提醒：写多条件布尔索引时，绝对不能省略每个比较条件外层的圆括号，否则会因优先级混乱触发类型/值报错。

内容的提问来源于stack exchange，提问作者Aleksandr Pay