如何精准运用Pandas布尔条件语句高效筛选所需数据？

本文共计636个文字，预计阅读时间需要3分钟。

Pandas中布尔列条件筛选常见错误与正确写法详解：

在Pandas中对DataFrame进行条件筛选时，一个高频却隐蔽的错误是：混淆字符串字面量与原生布尔值。例如，以下代码看似合理，实则极可能返回空DataFrame：

_df2 = _df[(_df.fa == 'TRUE') & (_df.fl == 'TRUE') & (_df.fg == 'FALSE')]

该写法仅在 fa、fl、fg 列实际存储的是字符串 'TRUE'/'FALSE' 时才成立；但若这些列本质是布尔类型（即值为 True/False），那么用字符串比较将永远返回 False，最终整个布尔索引表达式结果全为 False，导致 _df2 为空。

✅ 正确做法是直接利用Pandas对布尔列的原生支持：

_df2 = _df[_df.fa & _df.fl & ~_df.fg]

• & 是Pandas中布尔Series的按元素“与”操作符（注意：必须用 &，而非Python关键字 and）；
• ~ 是布尔取反操作符，等价于 ~_df.fg（即 fg == False），比 _df.fg == False 更简洁、更高效；
• 所有参与运算的列（fa, fl, fg）应为 bool dtype（可通过 _df.dtypes 验证）。