如何在Pandas中实现类似NumPy np.ix_的多布尔数组索引？

当然可以实现，Pandas提供了更直接的方式完成这种选取完整行和列的布尔索引操作，不需要类似NumPy np.ix_ 的额外处理，以下是具体实现：

步骤1：构造示例DataFrame #

对应你给出的NumPy数组创建DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.array(range(9)).reshape(-1, 3))

输出：

0  1  2
0  0  1  2
1  3  4  5
2  6  7  8

步骤2：定义行、列布尔条件 #

和你的NumPy示例保持一致：

row_cond = np.array([True, True, False])
col_cond = np.array([True, False, True])

方法1：使用.loc索引（推荐） #

.loc 支持同时传入行和列的布尔数组，直接返回符合条件的二维DataFrame：

df.loc[row_cond, col_cond]

输出：

0  2
0  0  2
1  3  5

方法2：链式索引（仅用于读取操作） #

如果只是读取数据，也可以先筛选行再筛选列：

df[row_cond].iloc[:, col_cond]
# 若DataFrame有列名，也可以写成：df[row_cond][df.columns[col_cond]]

同样得到相同结果。

原理说明 #

在NumPy中，直接使用 aa[row_cond, col_cond] 会触发广播机制返回一维数组，因此需要 np.ix_ 构造二维索引。但Pandas的.loc在处理行、列布尔数组时，会自动匹配行和列的维度，直接返回完整的行和列子集，正好满足你的需求。

你提到的GitHub issue可能涉及更复杂的索引场景，但针对选取完整行和列的需求，上述方法完全适用。

内容的提问来源于stack exchange，提问作者Anton