本文介绍如何使用布尔索引高效筛选dataframe中满足特定列值条件的行，并可选地移除该条件列，生成结构清晰的新dataframe。
本文介绍如何使用布尔索引高效筛选dataframe中满足特定列值条件的行，并可选地移除该条件列，生成结构清晰的新dataframe。
在Pandas中，基于某一列的值进行行过滤是数据预处理中最常见的操作之一。以实际需求为例：假设原始DataFrame为 df1，其中包含一列名为 "purpose"，我们希望提取所有 purpose == "house" 的记录，并将结果保存为新的DataFrame df2；若还需进一步简化结构（例如去除已用于筛选的 "purpose" 列），则可链式调用 .drop() 方法。
核心实现代码如下：
df2 = df1[df1["purpose"] == "house"].drop("purpose", axis=1)
✅ 代码说明：
- df1["purpose"] == "house" 生成一个布尔Series，对应每行是否满足条件；
- df1[...] 利用布尔索引返回符合条件的全部行（保留所有原始列）；
- .drop("purpose", axis=1) 沿列方向（axis=1）删除 "purpose" 列，使 df2 仅含其余特征字段。
⚠️ 注意事项：
- 若 "purpose" 列存在缺失值（NaN），== "house" 将返回 False（而非报错），因此 NaN 行默认被排除；如需显式包含或处理空值，应使用 df1["purpose"].str.contains("house", na=False) 或结合 isna() 单独判断。
- 列名需严格匹配（区分大小写与空格），建议先用 df1.columns.tolist() 核对列名。
- 若只需保留部分列而非删除 "purpose"，推荐更明确的列选择方式：
df2 = df1.loc[df1["purpose"] == "house", ["col1", "col2", "col3"]]
该方法简洁、向量化、性能优异，适用于千万级以下数据的快速子集提取，是Pandas数据清洗流程中的基础且关键的一环。
