Pandas筛选Adult数据集Male行返回空DataFrame的原因排查

嘿，作为过来人太懂这种新手困惑了！你用df[ df['sex'] == 'Male' ]筛选Adult数据集里的男性行，结果只返回带列名的空DataFrame，大概率是这几个小坑在搞鬼，咱们一步步排查：

• 前后空格或隐藏空白字符：Adult数据集的原始数据里，sex列的取值可能带了看不见的空格，比如' Male'（前面有空格）或者'Male '（后面有空格），甚至是制表符这类隐藏字符。你可以先打印列的唯一值确认：

  print(df['sex'].unique())
  

  如果输出里看到带空格的版本，先清理掉空格再筛选：

  df['sex'] = df['sex'].str.strip()
  df_male = df[df['sex'] == 'Male']
  

• 大小写不匹配：说不定数据集里的男性取值是全小写的'male'，而你用的是首字母大写的'Male'。同样用df['sex'].unique()就能一眼看出来。解决办法要么改成匹配的大小写：

  df_male = df[df['sex'] == 'male']
  

  要么用不区分大小写的筛选（更稳妥）：

  df_male = df[df['sex'].str.lower() == 'male']
  

• 列名拼写错误：别笑，新手很容易犯这个！你写的是'sex'，但说不定数据集里的列名是'Sex'（首字母大写）或者'gender'？先确认所有列名：

  print(df.columns)
  

  要是列名不对，改成正确的就行。

• 数据类型不匹配：比如sex列是分类（category）类型，但分类里的取值和你写的'Male'不一致？先查看列类型：

  print(df['sex'].dtype)
  

  如果是category，再看所有类别：

  print(df['sex'].cat.categories)
  

  要是类别里没有'Male'，那肯定筛不到数据。

最后给个小技巧：先看一下sex列的取值分布，能快速判断有没有你要的'Male'：

print(df['sex'].value_counts())

内容的提问来源于stack exchange，提问作者Charlie