Pandas如何筛选指定列值全部相同的行？支持任意数量列

没问题，我来帮你搞定这个需求——要从DataFrame里筛选出任意数量指定列值完全相同的行对吧？直接链式写多个==确实行不通（比如df['col1'] == df['col2'] == df['col3']会因为布尔Series和数值的比较报错），这里给你几个简洁且通用的方法：

方法一：用Pandas原生方法（最推荐） #

核心思路是：先取出目标列，然后让每一列都和第一列比较，最后筛选出所有列都和第一列相等的行。

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [1, 2, 3, 5],
    'C': [1, 2, 4, 4],
    'D': [1, 3, 3, 4]
})

# 你要指定的列列表（任意数量）
target_cols = ['A', 'B', 'C']

# 筛选逻辑
filtered_df = df[df[target_cols].eq(df[target_cols].iloc[:, 0], axis=0).all(axis=1)]
print(filtered_df)

代码解释： #

• df[target_cols]：先提取你关注的所有列
• eq(df[target_cols].iloc[:, 0], axis=0)：让每一列都和目标列的第一列（iloc[:,0]）按行比较，生成一个布尔DataFrame，每个单元格表示当前列的值是否等于第一列对应行的值
• .all(axis=1)：按行判断所有布尔值是否为True，也就是当前行的所有目标列值都和第一列相同，最终得到一个布尔Series
• 用这个布尔Series去索引原DataFrame，就得到了所有目标列值完全相同的行

运行上面的代码，输出会是：

A  B  C  D
0  1  1  1  1
1  2  2  2  3

方法二：基于Numpy的广播实现 #

如果习惯用Numpy操作，也可以用数组广播来实现，原理和上面一致：

import numpy as np

# 同样的目标列和示例DataFrame
target_cols = ['A', 'B', 'C']
col_values = df[target_cols].values

# 筛选逻辑：所有列的值等于第一列的值
filtered_df = df[(col_values == col_values[:, [0]]).all(axis=1)]

扩展：自定义基准列 #

如果不想以第一列为基准，而是指定某一列作为参考（比如以D列为基准，筛选其他列和D列相同的行），可以直接修改eq的对比对象：

target_cols = ['A', 'B', 'C']
base_col = 'D'

filtered_df = df[df[target_cols].eq(df[base_col], axis=0).all(axis=1)]

处理空值（NaN）的情况 #

默认情况下，NaN == NaN会返回False，如果想把所有列都是NaN的行也纳入筛选结果，可以加上空值判断：

# 同时满足「所有列值相同」或「所有列都是NaN」
mask = df[target_cols].isna().all(axis=1) | df[target_cols].eq(df[target_cols].iloc[:,0], axis=0).all(axis=1)
filtered_df = df[mask]

内容的提问来源于stack exchange，提问作者Liam Pieri