如何通过样本DataFrame的列，从完整DataFrame中筛选匹配行？

嘿，我来帮你搞定这个匹配的问题！首先得说下你原来的代码为啥行不通：你直接用df[cols] == sample[cols]做比较，当两个DataFrame行数不一样的时候（你的sample看起来只有1行，df有5行），这种逐元素比较的方式会触发广播，但直接用这个结果去索引df，要么会得到一堆NaN，要么逻辑上根本不对——你要找的是整行和sample的行完全匹配的记录，而不是单个元素匹配。

下面给你两种靠谱的解决方案：

方法一：用merge做内连接（推荐） #

merge是pandas里专门用来做数据集匹配的工具，用内连接（how='inner'）就能直接找出两边指定列完全匹配的行，代码很简洁：

import pandas as pd

# 获取sample的列名
cols = sample.columns
# 以sample的列作为连接键，做内连接
matched_df = df.merge(sample, on=list(cols), how='inner')

运行后matched_df就会包含df中所有和sample的行在指定列上完全匹配的记录。拿你的数据举例，df的最后一行和sample的行完全匹配，所以结果就是这一行。

方法二：用布尔索引逐行验证 #

如果你更倾向于手动控制匹配逻辑，可以先取出sample的目标行，然后逐行和df比较，只有当所有列都匹配时才保留：

# 获取sample的最后一行（从你的sample.tail()来看只有这一行）
sample_target_row = sample.iloc[0]
# 对df的每一行，检查所有指定列是否和sample行匹配
match_mask = df[cols].eq(sample_target_row).all(axis=1)
# 筛选出匹配的行
matched_df = df[match_mask]

这里eq(sample_target_row)会生成一个布尔值的DataFrame，标记每个元素是否和sample行对应位置相等；all(axis=1)则把每行的结果合并，只有当该行所有列都匹配时才返回True，最终用这个mask就能筛选出你要的行。

这两种方法都能解决你的问题，其中merge更适合处理sample有多行的情况，布尔索引则更直观易懂。

内容的提问来源于stack exchange，提问作者Don Coder