如何在 Pandas DataFrame 中正确使用多个条件进行行筛选

千宇同学_5012

千宇同学_5012

2026-11-20

427人浏览

原创

如何在 Pandas DataFrame 中正确使用多个条件进行行筛选

本文详解 Pandas 中基于多个布尔条件筛选 DataFrame 行的正确方法,重点解决因误用 and 导致的 ValueError: The truth value of a Series is ambiguous 错误,并提供可读性强、可扩展的实践方案。

本文详解 pandas 中基于多个布尔条件筛选 dataframe 行的正确方法,重点解决因误用 `and` 导致的 `valueerror: the truth value of a series is ambiguous` 错误,并提供可读性强、可扩展的实践方案。

在 Pandas 中对 DataFrame 进行多条件过滤是数据分析中的高频操作,但初学者常因混淆 Python 原生逻辑运算符与 Pandas 向量化运算规则而报错。核心误区在于:不能对 Pandas Series 使用 and、or、not——这些操作符要求单个布尔值,而 Series 返回的是布尔数组,其真值是“模糊的”(ambiguous),因此会触发 ValueError。

✅ 正确做法是使用按位运算符:

  • & 代替 and(注意:必须加英文括号包裹每个条件)
  • | 代替 or
  • ~ 代替 not

以下是以你提供的数据为例的完整实现:

import pandas as pd

data = {
    'Name': ['Ali', 'Sara', 'John', 'Aisha'],
    'Age': [25, 30, 22, 28],
    'City': ['Riyadh', 'Jeddah', 'Riyadh', 'Dammam']
}
df = pd.DataFrame(data)

# ✅ 正确:使用 & 连接带括号的布尔表达式
filtered = df[(df['City'] == 'Riyadh') & (df['Age'] > 23)]
print(filtered)

输出:

   Name  Age    City
0   Ali   25  Riyadh
3 Aisha   28  Dammam  ← 注意:此行 City 是 'Dammam',实际应为修正后示例

⚠️ 等等——上面输出有误?我们来验证原始数据:Aisha 的 City 是 'Dammam',所以实际符合条件(City=='Riyadh' 且 Age>23)的只有 Ali(25岁,Riyadh)和 John(22岁,Riyadh)中 Age>23 的 Ali。John 年龄为 22,不满足 >23,因此最终结果仅一行:

  Name  Age    City
0  Ali   25  Riyadh

为提升代码可读性与可维护性,推荐将条件拆分为独立布尔掩码(mask):

mask_city = df['City'] == 'Riyadh'
mask_age = df['Age'] > 23
filtered = df[mask_city & mask_age].copy()  # .copy() 避免 SettingWithCopyWarning(如后续修改)

? 进阶提示:

  • 多条件组合可嵌套任意深度,例如 (cond1) & (cond2) | (cond3),但务必用括号明确优先级;
  • 对字符串可结合 .str 方法,如 df['City'].str.contains('Riy', case=False);
  • 若需“或”逻辑(如 City 是 Riyadh 或 Jeddah),写为 (df['City']=='Riyadh') | (df['City']=='Jeddah');
  • 使用 query() 方法可写出更接近自然语言的筛选语句(适合复杂条件):
    filtered = df.query("City == 'Riyadh' and Age > 23")

总结:牢记 “条件用括号,逻辑用 & | ~,禁用 and or not” ——这是 Pandas 布尔索引的黄金法则。掌握它,不仅能解决当前问题,更能避免后续在 loc、numpy.where 等场景中出现同类错误。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

380

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

1031

25

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

2026.11.20

0

7

Navicat入门教程大全
Navicat入门教程大全

本专题整理Navicat入门教程,从认识软件界面到开展数据库操作,介绍初次使用需要了解的知识和方法。内容兼顾连接配置、数据管理及日常使用中的疑问,方便用户按学习进度查阅,为后续实践和独立操作打好基础。

2026.11.20

0

17

Navicat数据库连接配置指南
Navicat数据库连接配置指南

从确认数据库信息到建立可用连接,本专题串联Navicat连接数据库的相关知识和操作方法。既有初次配置时需要了解的基础内容,也有连接后的检查思路,方便用户按实际需求查阅教程,逐步熟悉数据库连接的设置流程。

2026.11.20

0

10

PHP8.6数组与数据处理教程
PHP8.6数组与数据处理教程

本专题汇总PHP8.6数组与数据处理教程,涵盖CSV读取和导出、引用遍历删除、array_filter回调模式、配置键名冲突、pathinfo文件名校验、GMP大整数进制转换及UTF-8正则筛选,说明升级兼容变化、输入范围和失败处理方法。

2026.11.20

0

8

PHP8.6升级迁移教程
PHP8.6升级迁移教程

本专题汇总PHP8.6升级迁移与弃用接口改造教程,涵盖反射调用、对象属性赋值、标识符更名、构造函数与__debugInfo调整,以及插件类名检查、常量导出、ArrayIterator排序、SPL和DTO查询参数转换,帮助梳理弃用提示并完成代码兼容改造。

2026.11.20

0

10

PHP8.6安装配置与FPM运维教程
PHP8.6安装配置与FPM运维教程

本专题汇总PHP8.6正式版安装部署与FPM运维教程,涵盖Linux并存安装、独立ini配置、扩展重新编译、Nginx切换与回滚、FPM状态监控和慢日志排查,以及环境变量、请求超时、OPcache刷新和预加载配置。

2026.11.20

0

10

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习