Pandas怎么按条件选行_df[df[‘age’]>18]布尔索引与多条件(&/|)

最直接的布尔索引df[df['age'] > 18]易因NaN（返回False而非跳过）和字符串类型（导致报错或ASCII比较）出错；应先检查dtype、用pd.to_numeric强转，再用notna()显式处理空值，并严格使用&/|/~及括号组合多条件。

用 df[df['age'] > 18] 选行，最直接但容易漏掉空值和类型问题

这个写法本身没错，但实际跑起来常发现结果比预期少——多半是 'age' 列里有 NaN，而布尔索引遇到 NaN 会直接返回 False，不是跳过，是“算作不满足”。比如 3 > 18 是 False，NaN > 18 也是 False，但你可能想保留这些空行或单独处理。

另外如果 'age' 是字符串类型（比如读 CSV 时没指定 dtype），'25' > 18 会报错或隐式转成 ASCII 比较，结果完全不可信。

• 先检查类型：df['age'].dtype，不是 int64 或 float64 就得用 pd.to_numeric(df['age'], errors='coerce') 强转
• 想保留空值？改用 df[df['age'].fillna(-1) > 18] 或更稳妥的 df[df['age'].gt(18, fill_value=-1)]
• 真要排除空值再筛选，明确写成 df[df['age'].notna() & df['age'] > 18]（注意：这里必须用 &，不能用 and）

多条件组合必须用 &、|、~，别碰 and/or/not

写 df[df['age'] > 18 and df['city'] == 'Beijing'] 会直接报 ValueError: The truth value of a Series is ambiguous。因为 Pandas 的 Series 不支持 Python 原生逻辑运算符，它们不知道该对整个序列判真还是逐元素算。

&、|、~ 是逐元素位运算符，在 Pandas 里被重载为布尔索引的“且/或/非”，但要求每个条件必须用括号包住——否则运算优先级出错，比如 df['age'] > 18 & df['city'] == 'Beijing' 实际等价于 df['age'] > (18 & df['city']) == 'Beijing'，肯定报错或结果错乱。

• 正确写法只有这一种：df[(df['age'] > 18) & (df['city'] == 'Beijing')]
• “或”用 |：(df['age']
• “非”用 ~：~df['city'].isin(['Beijing', 'Shanghai'])，不是 not df[...]
• 三个以上条件？老老实实每组都加括号，别省，省了就是 debug 半小时

query() 方法更适合复杂多条件，但要注意变量传入和性能边界

当条件变多、带变量、或者想写得像 SQL 一样可读，df.query("age > 18 and city in @cities") 比嵌套括号清爽太多。它自动处理引号、变量注入（用 @ 前缀）、甚至支持表达式如 age + years_exp > 30。

但它不是万能的：字符串列含空格或特殊字符（比如列名是 'user id'）就得用反引号：df.query("`user id` > 100")；而且底层用 numexpr 加速，对超大 DataFrame（千万行+）确实快，但小数据集反而略慢于普通布尔索引，因为有解析开销。

• 变量必须显式传入：cities = ['Beijing', 'Shanghai']; df.query("city in @cities")
• 列名含空格/符号：用反引号包裹，`first name` == 'Alice'
• 避免在 query() 里调函数（如 df.query("city.str.upper() == 'BEIJING'")），它不支持方法链，得先算好新列再查
• 调试时如果报 UndefinedVariableError，八成是变量没加 @，或者作用域不对（比如在函数内没声明 global）

用 loc 配合布尔条件，才能同时选行又选列，别只盯 []

df[df['age'] > 18] 只能返回整行，但实际中往往只要其中几列，比如只看 'name' 和 'city'。这时候硬套 df[df['age'] > 18][['name', 'city']] 看似可行，但属于链式索引（chained indexing），Pandas 会警告 SettingWithCopyWarning，后续赋值可能不生效——因为你拿到的可能是视图也可能是副本，行为不确定。

唯一稳的方式是用 .loc 一次性完成行列筛选：df.loc[df['age'] > 18, ['name', 'city']]。左边是行条件，右边是列名列表，清晰、安全、无警告。

• 要改值？也必须用 loc：df.loc[df['age'] > 18, 'status'] = 'adult'
• 列名是单个字符串，右边可以直接写 'name'；多个就写列表 ['name', 'city']
• 如果行条件结果为空，loc 返回空 DataFrame，不会报错，这点比直接切片友好
• 别用 iloc 替代——它是按位置索引，和布尔条件无关，混用等于自找麻烦