尽管有警告，你的方法还是会起作用的，但最好不要依赖于隐含的、不明确的行为。

方案1，将a_list中的索引选择为布尔掩码：

df[df.index.isin(a_list) & df.a_col.isnull()]

方案2，分两步进行：

df2 = df.loc[a_list]
df2[df2.a_col.isnull()]

解决方案3，如果你想要一行，使用一个技巧找到here：

df.loc[a_list].query('a_col != a_col')

警告来自布尔向量df.a_col.isnull()的长度为df，而df.loc[a_list]的长度为a_list，即因此，df.a_col.isnull()中的一些索引不在df.loc[a_list]中。
pandas所做的是在调用 Dataframe 的索引上重新索引布尔序列。实际上，它从df.a_col.isnull()中获取对应于a_list中索引的值。这是可行的，但是行为是隐含的，并且在将来很容易改变，所以这就是警告的内容。

如果收到此警告，则使用.loc[]而不是[]会抑制此警告。1

df.loc[boolean_mask]           # <--------- OK
df[boolean_mask]               # <--------- warning

对于OP中的特定情况，您可以链接.loc[]索引器：

df.loc[a_list].loc[df['a_col'].isna()]

或在query()中使用and链接所有条件：

# if a_list is a list of indices of df
df.query("index in @a_list and a_col != a_col")

# if a_list is a list of values in some other column such as b_col
df.query("b_col in @a_list and a_col != a_col")

或者在[]中使用&链接所有条件（如@IanS的帖子）。
如果出现以下情况，则会出现此警告

• 布尔掩码的索引不是与它正在过滤的 Dataframe 的索引的顺序相同。

df = pd.DataFrame({'a_col':[1, 2, np.nan]}, index=[0, 1, 2])
m1 = pd.Series([True, False, True], index=[2, 1, 0])
df.loc[m1]       # <--------- OK
df[m1]           # <--------- warning

• 布尔掩码的索引是它正在过滤的 Dataframe 的索引的超集。例如：

m2 = pd.Series([True, False, True, True], np.r_[df.index, 10])
df.loc[m2]       # <--------- OK
df[m2]           # <--------- warning

1：如果我们看一下[]和loc[]的源代码，从字面上看，当布尔掩码的索引是 Dataframe 索引的（弱）超集时，唯一的区别是[]显示此警告（通过_getitem_bool_array方法）而loc[]不显示。

在遇到这个页面时，我通过查询完整的 Dataframe 收到了同样的错误，但使用的结果对子数据。
创建一个数据子集并存储在变量sub_df中：

sub_df = df[df['a'] == 1]
sub_df = sub_df[df['b'] == 1] # Note "df" hiding here

解决方案：
确保每次使用相同的 Dataframe （在我的例子中，只有sub_df）：

# Last line should instead be:
sub_df = sub_df[sub_df['b'] == 1]