Pandas按值筛选行失效问题求助

问题原因 #

你遇到的全NaN结果，核心问题是用来筛选的MT是一个单列DataFrame，而非pandas布尔索引所需的一维布尔Series。当用DataFrame作为索引切片原DataFrame时，pandas会尝试对齐两者的列名——但你的MT列名和df_test的列名不匹配，所有不匹配的列就会被填充为NaN。

从你提供的MT.info()输出能明确看出：它是一个仅含1列的DataFrame，而非Series。正常情况下df_test.diagnosis == 0应该返回Series，大概率是你不小心用了双重方括号（比如df_test[['diagnosis']] == 0），才会得到DataFrame类型的结果。

解决方案 #

只需要确保筛选条件是布尔Series而非DataFrame，有几种简单可行的方式：

方式1：修正布尔条件的写法

获取布尔Series的正确方式是用单索引（或直接访问列属性）：

# 推荐用单引号索引，兼容性更强（比如列名含空格时也能正常使用）
MT = df_test['diagnosis'] == 0
# 若列名无特殊字符，也可以用属性访问：MT = df_test.diagnosis == 0

你可以用type(MT)验证，结果应为pandas.core.series.Series，而非DataFrame。

方式2：直接一步筛选（无需中间变量）

跳过中间变量MT，直接在索引中写入条件，写法更简洁：

df_filtered = df_test[df_test['diagnosis'] == 0]

方式3：用.loc明确筛选（可读性更强，避免歧义）

如果想更清晰地指定行和列的筛选范围，推荐使用.loc方法：

# 冒号表示保留所有列
df_filtered = df_test.loc[df_test['diagnosis'] == 0, :]

验证结果 #

修正后再查看筛选后的df_filtered，就能得到diagnosis列值为0的所有目标行，不会再出现全NaN的情况。

内容的提问来源于stack exchange，提问作者Mohamed Gamal