Pandas中怎样实现多条件数据筛选？高级查询方法

<p&amp;amp;gt;在pandas中实现多条件数据筛选的核心方法是使用布尔索引结合位运算符。1. 使用括号包裹每个独立条件表达式，以避免运算符优先级问题；2. 使用&amp;amp;amp;amp;amp;表示“与”、|表示“或”、~表示“非”，进行逐元素逻辑运算；3. 高级方法包括isin()筛选值列表、between()筛选范围、字符串方法匹配模式、isnull()/notnull()处理缺失值、query()实现类sql语法查询；4. 复杂条件可通过定义布尔series变量、封装筛选函数、链式操作提升可读性和维护性。这些方法共同构建高效、清晰的数据筛选逻辑。</p&amp;amp;gt;<p&amp;amp;gt;<img src="https://img.php.cn/upload/article/001/503/042/175315488279550.png" alt="Pandas中怎样实现多条件数据筛选？高级查询方法"&amp;amp;gt;</p&amp;amp;gt;<p&amp;amp;gt;在Pandas中实现多条件数据筛选，核心在于利用布尔索引（Boolean Indexing）结合逻辑运算符。这就像给数据戴上一个“筛子”，只有满足所有或部分特定条件的数据点才能透过。最直接、也是最常用的方法，就是把每个条件写成一个布尔序列，然后用<code&amp;amp;gt;&amp;amp;amp;amp;amp;</code&amp;amp;gt;（与）、<code&amp;amp;gt;|</code&amp;amp;gt;（或）、<code&amp;amp;gt;~</code&amp;amp;gt;（非）这些位运算符将它们组合起来。</p&amp;amp;gt;<img src="https://img.php.cn/upload/article/001/503/042/175315488252371.png" alt="Pandas中怎样实现多条件数据筛选？高级查询方法"&amp;amp;gt;<p&amp;amp;gt;在Pandas中进行多条件数据筛选，其实就是构建一个复杂的布尔掩码。我们通常会把每一个筛选条件写成一个独立的布尔Series，然后用括号将它们包裹起来，再通过<code&amp;amp;gt;&amp;amp;amp;amp;amp;</code&amp;amp;gt;（逻辑与）、<code&amp;amp;gt;|</code&amp;amp;gt;（逻辑或）、<code&amp;amp;gt;~</code&amp;amp;gt;（逻辑非）这些位运算符进行组合。</p&amp;amp;gt;<p&amp;amp;gt;例如，假设我们有一个DataFrame <code&amp;amp;gt;df</code&amp;amp;gt;，想要筛选出<code&amp;amp;gt;'年龄'</code&amp;amp;gt;大于30且<code&amp;amp;gt;'城市'</code&amp;amp;gt;是'北京'的记录，代码会是这样：</p&amp;amp;gt;<img src="https://img.php.cn/upload/article/001/503/042/175315488250690.png" alt="Pandas中怎样实现多条件数据筛选？高级查询方法"&amp;amp;gt;<div class="code" style="position:relative; padding:0px; margin:0px;"&amp;amp;gt;<pre class='brush:python;toolbar:false;'&amp;amp;gt;import pandas as pd# 示例数据data = { '姓名': ['张三', '李四', '王五', '赵六', '钱七'], '年龄': [25, 32, 30, 35, 28], '城市': ['上海', '北京', '广州', '北京', '上海'], '收入': [5000, 8000, 6000, 9000, 7000]}df = pd.DataFrame(data)# 多条件筛选：年龄大于30 且 城市是北京filtered_df = df[(df['年龄'] &amp;amp;amp;amp;amp;gt; 30) &amp;amp;amp;amp;amp;amp; (df['城市'] == '北京')]print(&amp;amp;amp;amp;amp;quot;筛选结果：&amp;amp;amp;amp;amp;quot;)print(filtered_df)# 如果是“或”的关系，比如年龄大于30 或 城市是上海# filtered_df_or = df[(df['年龄'] &amp;amp;amp;amp;amp;gt; 30) | (df['城市'] == '上海')]# print(&amp;amp;amp;amp;amp;quot;\n年龄大于30 或 城市是上海：&amp;amp;amp;amp;amp;quot;)# print(filtered_df_or)# 组合多个条件，比如年龄大于30 且 城市是北京 且 收入大于8500# filtered_df_complex = df[(df['年龄'] &amp;amp;amp;amp;amp;gt; 30) &amp;amp;amp;amp;amp;amp; (df['城市'] == '北京') &amp;amp;amp;amp;amp;amp; (df['收入'] &amp;amp;amp;amp;amp;gt; 8500)]# print(&amp;amp;amp;amp;amp;quot;\n年龄大于30 且 城市是北京 且 收入大于8500：&amp;amp;amp;amp;amp;quot;)# print(filtered_df_complex)</pre&amp;amp;gt;

</div&amp;amp;gt;<p&amp;amp;gt;这里的关键点在于：</p&amp;amp;gt;</div&amp;amp;gt;<p&amp;amp;gt;这比写<code&amp;amp;gt;df[(df['城市'] == '北京') | (df['城市'] == '上海')]</code&amp;amp;gt;要简洁得多，尤其当值列表很长时。</p&amp;amp;gt;</li&amp;amp;gt;