Pandas单列DataFrame筛选报错：TypeError: invalid type comparison

这个问题我之前处理过好几次！出现TypeError: invalid type comparison的核心原因是你的UPC列数据类型和你用来匹配的字符串类型不兼容——大概率UPC列存的是数值（整数或浮点数），而你用字符串"00020892103474"去做相等比较，两种不同类型没法直接对比，就触发错误了。

下面给你几个可行的解决方案：

1. 先确认UPC列的数据类型 #

首先你可以先检查一下UPC列的类型，执行这段代码：

print(df['UPC'].dtype)

如果输出是int64或float64，就说明是数值类型，和字符串比较就会报错；如果是object，那就是字符串类型（不过也可能存在混合类型的情况，比如部分是数值部分是字符串）。

2. 方案一：将UPC列转为字符串后再匹配 #

这是最稳妥的方法，因为UPC是带前导零的编码，作为字符串存储才符合业务逻辑。代码调整如下：

import pandas as pd
output = []
df = pd.read_excel("Book1.xlsx", encoding="latin-1")

# 把UPC列转为字符串，处理可能的NaN值（如果存在的话）
df['UPC'] = df['UPC'].astype(str)
# 针对浮点数转字符串后带`.0`的情况，可以先转整数再转字符串
# df['UPC'] = df['UPC'].astype(int).astype(str)

# 现在用字符串匹配就不会报错了
rows = df.loc[df['UPC'] == "00020892103474"]
output.append(len(rows))

如果原始UPC是浮点数（比如20892103474.0），转字符串后会带.0，这时候可以先转成整数再转字符串，就能得到纯数字的字符串了。

3. 方案二：提前指定读取时的UPC列类型 #

在读取Excel的时候直接把UPC列指定为字符串类型，从根源避免类型问题：

import pandas as pd
output = []
# 读取时指定UPC列为字符串类型
df = pd.read_excel("Book1.xlsx", encoding="latin-1", dtype={'UPC': str})

rows = df.loc[df['UPC'] == "00020892103474"]
output.append(len(rows))

这个方法更高效，不需要后续的类型转换操作。

4. 方案三：将匹配值转为对应数值类型（谨慎使用） #

如果你的UPC列确实是数值类型，且不存在前导零的业务要求（但你的目标值带前导零，所以这个方法可能不适用），可以把目标字符串转为数值：

target_upc = int("00020892103474")  # 转成整数，前导零会丢失
rows = df.loc[df['UPC'] == target_upc]

⚠️ 注意：这个方法会丢失前导零，如果原始UPC的前导零是有意义的（比如作为编码的一部分），绝对不要用这个方案！

内容的提问来源于stack exchange，提问作者Umar Aftab