Pandas元组索引调用isin方法报错：维度不匹配问题求解

这个坑我之前踩过！你遇到的错误是因为Pandas处理元组类型的索引时，直接传入元组列表给isin会被误判成二维数据，导致维度不匹配。咱们来一步步解决这个问题：

先复现你的场景 #

首先把你的代码补全，加上模拟的第二张图的边：

import pandas as pd

# 你的原始代码
index1 = ['a', 'b', 'c', 'd', 'e']
index2 = [1, 2, 3, 4, 5]
graph1_edges = list(zip(index1, index2))
attributes= ['apple', 'banana', 'pumkin', 'spice', 'sugar']
df_graph1 = pd.DataFrame(attributes, index=graph1_edges, columns=['attr'])

# 模拟另一张图的边（用来筛选的目标边）
graph2_edges = [('a', 1), ('c', 3), ('e', 5)]

如果直接执行df_graph1[df_graph1.index.isin(graph2_edges)]，就会触发你遇到的错误：Buffer has wrong number of dimensions (expected 1, got 2)

两种解决方案 #

方案1：将元组索引转换为MultiIndex #

把原来的元组列表索引转换成Pandas的MultiIndex（多层索引），这样每个元组的两个元素对应不同的层级，isin就能正确识别边的匹配了：

# 将普通元组索引转为MultiIndex
df_graph1_multi = df_graph1.set_index(pd.MultiIndex.from_tuples(df_graph1.index))

# 现在直接用isin筛选即可
filtered_df = df_graph1_multi[df_graph1_multi.index.isin(graph2_edges)]
print(filtered_df)

这个方案的好处是后续处理图数据更灵活，比如可以单独按第一个节点（字母）或者第二个节点（数字）筛选。

方案2：用pd.Index包装筛选的元组列表 #

如果不想改动原DataFrame的索引结构，只需要把要筛选的元组列表包装成pd.Index对象，让Pandas把每个元组当成一个独立的索引元素：

# 用pd.Index包装筛选条件，让isin正确识别元组元素
filtered_df = df_graph1[df_graph1.index.isin(pd.Index(graph2_edges))]
print(filtered_df)

这个方案更轻量，适合快速完成筛选需求。

原理说明 #

本质上，Pandas的普通Index在处理元组元素时，直接传入列表会尝试将每个元组拆分为多个维度，导致维度不匹配。而用MultiIndex或者pd.Index包装后，Pandas会把每个元组视为一个完整的索引项，就能正常执行isin匹配了。

内容的提问来源于stack exchange，提问作者Joshua Zastrow