Pandas怎么按条件选行？df[df['age']]>18布尔索引与多条件(&/|)用法详解

在数据分析中，我们常常要从DataFrame里挑出符合特定要求的行。Pandas提供了非常直观的布尔索引机制，让按条件选行变得简单。理解它的工作方式，能避免很多常见错误。

什么是布尔索引

布尔索引是指用一个长度与DataFrame行数相同的布尔序列（True或False）去对行进行筛选。Pandas会保留值为True的行，丢弃值为False的行。

例如，我们有一个记录用户信息的表，想选出年龄大于18的人：

import pandas as pd

data = {
    'name': ['Tom', 'Lucy', 'Jack', 'Anna'],
    'age': [15, 20, 25, 17]
}
df = pd.DataFrame(data)

# 单条件布尔索引：年龄大于18
mask = df['age'] > 18
print(mask)
# 0    False
# 1     True
# 2     True
# 3    False
# 用布尔序列筛选行
result = df[mask]
print(result)

上面代码中，df['age'] > 18返回一个布尔Series，再把它传给df[...]就完成了筛选。

直接使用df[df['age']>18]的写法

实际写代码时，我们通常会把两步合并，直接写成：

# 直接内联布尔条件
adults = df[df['age'] > 18]
print(adults)

这个表达式先计算df['age'] > 18得到布尔序列，再用它索引df，效果和分步写完全一致。

多条件筛选：使用&和|

当需要满足多个条件时，要用按位运算符&（与）和|（或），并且每个条件都必须用括号包起来，否则会因为运算符优先级出问题。

多条件且（&）

选出年龄大于18且名字不为Anna的行：

# 多条件：年龄>18 且 名字不是Anna
filtered = df[(df['age'] > 18) & (df['name'] != 'Anna')]
print(filtered)

多条件或（|）

选出年龄小于18或年龄大于22的行：

# 多条件：年龄<18 或 年龄>22
filtered_or = df[(df['age'] < 18) | (df['age'] > 22)]
print(filtered_or)

常见错误提醒

• 不要使用Python关键字and或or来连接条件，它们不支持Series间的逐元素运算，会直接报错。
• 忘记给单个条件加括号，会导致运算符优先级错误，得到非预期结果。
• 使用==判断字符串或数值相等时，同样要放在括号内参与&或|运算。

使用query方法作为替代

如果不习惯写很多括号，也可以用DataFrame的query方法，以字符串形式写条件：

# 使用query写多条件
res = df.query("age > 18 and name != 'Anna'")
print(res)

这种方式可读性更好，但在复杂逻辑或列名带空格时需谨慎处理。

小结

掌握df[df['col'] > val]这类布尔索引写法，是Pandas数据处理的基本功。记住多条件用&和|并加括号，就能准确按条件选行，提升分析效率。

Pandas布尔索引按条件选行多条件筛选DataFrame修改时间：2026-07-24 23:09:12