动态生成DataFrame过滤条件返回空数据帧，求问题排查

常见错误原因及解决方法 #

1. 字符串拼接逻辑错误（误用and/未加括号） #

很多人会通过字符串拼接生成过滤条件，再用eval()执行，但Pandas的布尔条件需要用&而非Python原生的and，且多条件组合时必须给每个子条件加括号，否则会因逻辑优先级错误导致结果异常。

错误示例：

date_cols = ["2024-01-01", "2024-01-02"]
# 错误：用了and，且未给子条件加括号
filter_str = " and ".join([f"{col}>1" for col in date_cols])
result = df[eval(filter_str)]  # 返回空DataFrame

正确写法：

filter_str = " & ".join([f"({col}>1)" for col in date_cols])
result = df[eval(filter_str)]

2. 列名与动态生成的字符串不匹配 #

如果动态生成的日期字符串格式和DataFrame实际列名不一致（比如实际列名是2024/01/01，但你生成的是2024-01-01），或者列名包含特殊字符未做转义，会导致条件无法匹配，最终返回空结果。

排查与修正：

# 先确认DataFrame的实际列名
print(df.columns.tolist())
# 确保date_cols中的字符串和列名完全一致，必要时做格式化处理
date_cols = [col.replace("/", "-") for col in df.columns if col.startswith("2024")]

3. 布尔数组组合方式错误 #

手动循环拼接布尔数组时，若初始值设置错误或误用Python原生逻辑运算符，会导致最终掩码全为False。

错误示例：

mask = False
for col in date_cols:
    mask = mask and (df[col]>1)  # 用了Python的and，而非Pandas的&
result = df[mask]

正确写法：

mask = pd.Series([True]*len(df), index=df.index)
for col in date_cols:
    mask = mask & (df[col]>1)
result = df[mask]

更简洁的替代方案（推荐）：
直接用Pandas内置方法生成掩码，完全避免动态字符串拼接的问题：

# 筛选所有日期列值大于1的行
mask = df[date_cols].gt(1).all(axis=1)
result = df[mask]

总结 #

优先使用gt()+all()的组合方式，既简洁又能规避字符串拼接带来的语法、列名匹配问题。如果必须用动态字符串拼接，需严格遵循Pandas布尔条件规则：用&代替and、给每个子条件加括号、确保列名完全匹配。

内容的提问来源于stack exchange，提问作者Prem Ji