如何在Pandas多级索引DataFrame中返回单个单元格的字符串值

我懂你遇到的困惑——用loc按条件筛选后，返回的不是你想要的纯值（比如green），而是带着索引的Series对象，对吧？这是因为loc在按条件筛选指定列时，默认返回的是Series类型，哪怕结果只有一个元素。

拿你的示例来说，执行df.loc[(df['A'] == 'foo') & (df['B'] == 'car'), 'C']后，得到的是：

1    green
Name: C, dtype: object

这就是个长度为1的Series，不是纯标量值。下面给你几种简单直接的解决办法：

方法1：用.iloc[0]提取第一个元素 #

既然Series里只有一个目标元素，直接通过索引定位提取就行：

df.loc[(df['A'] == 'foo') & (df['B'] == 'car'), 'C'].iloc[0]

执行后会返回纯字符串green。

方法2：用.values[0]获取底层数组的第一个值 #

和上面思路类似，通过.values拿到Series对应的numpy数组，再取第一个元素：

df.loc[(df['A'] == 'foo') & (df['B'] == 'car'), 'C'].values[0]

同样能得到你需要的单个单元格值。

方法3：用.at方法专门访问单个单元格 #

.at是Pandas专为单个单元格访问设计的高效方法，基于行标签和列名定位：

# 先获取符合条件的行索引
target_idx = df[(df['A'] == 'foo') & (df['B'] == 'car')].index[0]
# 用at访问目标单元格
df.at[target_idx, 'C']

也可以合并成一行写法：

df.at[df[(df['A'] == 'foo') & (df['B'] == 'car')].index[0], 'C']

方法4：用.query简化筛选逻辑（可选） #

如果觉得条件表达式写起来繁琐，试试.query语法，再提取值：

df.query("A == 'foo' and B == 'car'")['C'].iloc[0]

⚠️ 注意：这些方法都默认你的筛选条件只会匹配唯一一行。如果存在多行匹配的可能，你需要考虑是取第一个值，还是处理所有结果——不过从你的需求场景来看，应该是对应唯一单元格的情况。

内容的提问来源于stack exchange，提问作者2-Jan