Pandas DataFrame变量列名查询出现KeyError: False问题求助

这个问题我之前也碰到过，核心原因是pandas的query()方法对硬编码列名和变量化列名的处理逻辑不一样，咱们一步步来解决：

为什么之前的代码能运行，换成变量就报错？ #

你之前写的@Cid1 == id1里，id1是直接写死的列名字面量，query()会自动把它识别为DataFrame的列；但换成@Cid1 == @fk1时，@fk1是引用外部变量的值（比如你赋值的列名字符串，比如'id1'），这时候query()会把它当成要比较的数值/字符串，而不是列名，逻辑完全走偏了，最终导致判断出错抛出KeyError: False。

两种可行的解决方案 #

方案1：用f-string动态生成query语句 #

把列名变量直接嵌入query字符串里，让query()能正确识别为列名：

# 如果列名没有特殊字符（比如空格、特殊符号），直接拼接
query_str = f'@Cid1 == {fk1} and @Cid2 == {fk2}'
# 如果列名有特殊字符，用反引号包裹列名
# query_str = f'@Cid1 == `{fk1}` and @Cid2 == `{fk2}`'

if not L.query(query_str).empty:
    Y[i] = ...
    i += 1

方案2：改用布尔索引（更推荐） #

直接用DataFrame的布尔索引来做匹配，完全避开query()的变量列名坑，逻辑更直观：

# 生成匹配掩码：检查fk1列等于Cid1，且fk2列等于Cid2
match_mask = (L[fk1] == Cid1) & (L[fk2] == Cid2)
# 如果有匹配的行
if match_mask.any():
    Y[i] = ...
    i += 1

这种方法不仅避免了query的语法问题，运行效率也更稳定，后续维护起来也更容易理解。

内容的提问来源于stack exchange，提问作者Shew