loc筛选必须同时指定行条件和列参数，如df.loc[条件, 列列表]；链式调用易致警告或错误，布尔运算须用&、|、~并加括号，修改数据应优先用loc原地赋值。
用 loc 筛选行并选特定列，必须写成 df.loc[条件, 列列表]
很多人写成 df.loc[条件][列列表] 或 df[条件].loc[:, 列列表]，结果要么报错，要么返回意外的 Series 或视图问题。根本原因是 loc 是二维索引器，行和列必须**同时指定**在同一个 loc 调用里，否则链式操作会触发 SettingWithCopyWarning 或隐式拷贝。
常见错误现象：KeyError: "['col_a' 'col_b'] not in index"（误把列名当行标签传给第一个参数），或返回 Series（只传了行条件，没传列参数）。
-
df.loc[df['age'] > 25, ['name', 'city']]✅ 正确：布尔数组 + 列名列表 -
df.loc[df['age'] > 25, 'name']✅ 返回Series，不是DataFrame；要保持 DataFrame 用['name'] -
df[df['age'] > 25].loc[:, ['name', 'city']]⚠️ 不推荐：先切片再loc，可能触发副本警告，且性能略差
loc 中列参数传字符串、列表、切片的区别
列部分不只支持 ['a', 'b']，但不同写法语义和返回类型不同，直接影响后续操作。
- 传单个字符串如
'name'→ 返回Series；即使原DataFrame只有一列，也**不是单列DataFrame** - 传列表如
['name']或['name', 'age']→ 返回DataFrame，列顺序按列表顺序，允许重复或乱序 - 传切片如
'name':'salary'→ 按列位置（非标签名）切片，要求列名在DataFrame.columns中连续且有序；'salary':'name'会返回空 - 传
:→ 选所有列，等价于省略列参数，但显式写出更清晰，尤其在复杂条件中
布尔条件里混用 & 和 and 会直接报错
这是 Pandas 新手最常卡住的地方：and、or、not 不能用于 Series 布尔运算，Python 会尝试对整个 Series 做真值判断，立刻抛出 ValueError: The truth value of a Series is ambiguous。
- ✅ 正确：用
&（不是&&）、|（不是||）、~（不是!），且每个条件必须括号包裹：df.loc[(df['age'] > 25) & (df['city'] == 'Beijing'), ['name']] - ❌ 错误：
df.loc[df['age'] > 25 and df['city'] == 'Beijing', ...]→ 报错 - ⚠️ 注意：
in也不能直接用在Series上，要用isin()：df.loc[df['city'].isin(['Beijing', 'Shanghai']), ...]
筛选后修改数据，别忘了检查是否是视图还是副本
用 loc 筛选出来的结果，可能是原 DataFrame 的视图（view）或副本（copy），这取决于底层内存布局和 Pandas 版本。直接赋值修改时，有时改不动，有时改了但原 DataFrame 不变，有时又触发 SettingWithCopyWarning。
- 安全写法：明确用
.copy()再改，或用.loc**原地赋值**：df.loc[df['age'] > 30, 'status'] = 'senior' - 危险写法：
subset = df.loc[df['age'] > 30, ['name']]→ 然后subset['name'] = 'xxx'，可能静默失败或报警 - 验证方式：打印
subset._is_view（非公开属性，仅作调试参考），或直接改后看原df是否变化
真正麻烦的不是语法，是当你在函数里传入一个筛选后的子集，又想就地更新它——这时候得提前约定输入是否可变，或者统一加 .copy() 避坑。
