DataFrame 查询
在 Pandas 中，筛选条件本质上是一个与索引对齐的布尔 Series。
import pandas as pd
orders = pd.DataFrame({
"customer_id": ["C1", "C2", None],
"amount": [120, 80, 200],
"status": ["paid", "shipped", "pending"],
"created_at": pd.to_datetime(["2026-01-02", "2026-03-31 12:00", "2026-04-01"], format="mixed"),
})
mask = orders["amount"].ge(100) & orders["status"].isin(["paid", "shipped"])
large_orders = orders.loc[mask, ["customer_id", "amount", "status"]]
谓词编写规范
- 括号是必须的：使用
&、|或~组合多个条件时，务必给每个比较表达式加上括号，因为运算符优先级容易出错。 - 专用方法：成员判断用
isin，闭区间范围用between，缺失值检测用isna/notna。 - 类型访问器：针对字符串、日期时间和分类数据，分别使用
.str、.dt和.cat访问器进行类型化操作。 - 索引对齐陷阱：如果掩码（mask）是从其他对象构建的，务必检查其索引。索引对齐机制可能会意外改变最终选中的行。
recent = orders.loc[
orders["created_at"].ge("2026-01-01") & orders["created_at"].lt("2026-04-01")
]
missing_customer = orders.loc[orders["customer_id"].isna()]
query 方法
DataFrame.query 能让复杂的分析表达式更易读：
threshold = 100
result = orders.query("amount >= @threshold and status == 'paid'")
何时不用 query？
- 列名包含特殊字符或难以阅读时。
- 谓词需要动态构建时。
- 你更倾向于使用标准 Python 调试工具时。
安全警告：切勿将来自不可信输入的字符串直接拼接进 query 中，它不是安全边界，存在注入风险。
筛选（Filter）与选择（Select）
- 筛选：通过谓词选择行。
.loc：可以同时指定行和列（基于标签）。.iloc：基于位置索引选择行和列。
保持“筛选”和“选择”这两个概念在逻辑上的分离，能有效避免许多因形状（shape）或标签（label）不匹配导致的错误。
核对选中的行
这里 large_orders 的形状为 (1, 3)，保留第 0 行；result 也保留第 0 行，但保留全部四列。recent 保留第 0、1 行。日期采用左闭右开区间，因此包含 3 月 31 日全天；上界若写成 "2026-03-31"，实际上是当天零点，会漏掉下午的记录。
布尔索引把可空布尔掩码中的缺失项视为假。只有需要保留判断结果未知的行时，才使用 mask.fillna(True)。Python 的 and/or 不能逐元素组合 Series，应使用 &/|。DataFrame.filter 虽然叫 filter，却按轴标签筛选，不按单元格值筛选行。query 能执行任意代码，不能接收不可信表达式。