在 pandas 中，筛选特定行通常有以下几种常见方式，按使用场景从简单到灵活说明：
import pandas as pd
df = pd.DataFrame({
'name': ['A', 'B', 'C'],
'age': [20, 35, 28]
})
# 筛选 age > 25 的行
df_filtered = df[df['age'] > 25]
✅ 支持多个条件（注意加括号）：
df[(df['age'] > 25) & (df['name'] != 'C')]
query()（代码更简洁）df_filtered = df.query("age > 25 and name != 'C'")
适合条件较复杂、可读性要求高的场景。
df[df['name'].isin(['A', 'C'])]
反向筛选：
df[~df['name'].isin(['A'])]
df.loc[0] # 第 0 行
df.loc[0:2] # 0~2 行
df.iloc[1:3] # 按位置
df[df['name'].str.contains('A')]
df = df[df['age'] >= 18] # 保留成年
df[df.apply(lambda row: row['age'] % 2 == 0, axis=1)]
| 场景 | 推荐方式 |
|---|---|
| 简单条件 | df[条件] |
| 多条件 | `& / |
| 字符串 | str.contains |
| 可读性高 | query() |
| 批量值 | isin |
如果你有具体数据或筛选规则，可以直接发出来，我可以帮你写精确代码。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
