Pandas 是 Python 中强大的数据分析库，数据筛选是其核心功能之一。本文详细讲解 Pandas 数据筛选的各种方法，包括基础筛选、条件筛选、函数筛选等，结合实例帮助你快速掌握。

1. Pandas 数据筛选概述

数据筛选是指从 Pandas 的 DataFrame 或 Series 中提取符合特定条件的子集数据。Pandas 提供了多种灵活的方式来实现筛选，包括：

• 索引/切片：通过行/列标签或位置提取数据。
• 布尔索引：使用条件表达式筛选符合条件的行。
• loc 和 iloc：基于标签或整数位置筛选。
• query 方法：使用字符串表达式筛选。
• isin 方法：筛选值在特定列表中的数据。
• 自定义函数：通过 apply 或其他方法实现复杂筛选逻辑。

2. 准备示例数据

import pandas as pd

# 创建示例 DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'age': [25, 30, 35, 40, 45],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Boston'],
    'salary': [50000, 60000, 75000, 80000, 65000]
}
df = pd.DataFrame(data)

3. 基本筛选方法

3.1 按列名筛选

# 提取单列
age = df['age']

# 提取多列
subset = df[['name', 'salary']]

结果：

单列:

多列:

3.2 按行索引筛选

# iloc 按行
row_0 = df.iloc[0]
rows_1_to_3 = df.iloc[1:3]

# loc 按标签
row_0_loc = df.loc[0]

4. 布尔索引

4.1 单条件

over_30 = df[df['age'] > 30]

4.2 多条件

high_salary_over_30 = df[(df['age'] > 30) & (df['salary'] > 70000)]

4.3 isin 筛选

cities = ['New York', 'Boston']
selected_cities = df[df['city'].isin(cities)]

5. query 方法

result = df.query('age > 30 and salary > 70000')

6. 高级筛选

6.1 apply 自定义

long_names = df[df['name'].apply(lambda x: len(x) > 4)]

6.2 str 操作

york_cities = df[df['city'].str.contains('York')]

7. loc/iloc 经纬筛选

result = df.loc[df['age'] > 30, ['name', 'salary']]

8. 处理缺失值

df.loc[2, 'salary'] = None
not_null_salary = df[df['salary'].notna()]

9. 性能优化建议

• 优先使用向量化操作，如布尔索引、query
• 避免链式索引：df['col'][condition]
• 对字符串列使用 astype('category')
• 进行預排序处理

10. 总结

Pandas 数据筛选功能强大且灵活，核心方法包括：

• 基础索引：[]、.loc、.iloc
• 布尔索引：条件表达式筛选
• query方法：简洁的字符串查询
• isin和 str方法：处理特定值和字符串
• apply自定义逻辑：应对复杂需求

通过上述方法，你可以高效地从 DataFrame 中提取所需数据。根据数据规模和需求，合理选择方法以平衡代码可读性和性能。