如何过滤Pandas DataFrame且不返回切片对象？

问题背景 #

以下是一段过滤Pandas DataFrame的代码：

selected_options = ['option_1', 'option_2']

df = df[df['my_col'].isin(selected_options)]

这段代码返回的是切片对象，对其执行修改操作时会触发警告。已知可以通过调用.copy()解决：

df = df[df['my_col'].isin(selected_options)].copy()

现在想知道是否有更直接的方法，使用专门的过滤函数而非切片操作实现？

解决方案 #

当然有，Pandas提供了几种更直接的方式，无需依赖切片后再调用copy()：

1. 使用DataFrame.query() #

query()方法会直接返回独立的DataFrame对象，而非视图/切片，语法也更简洁：

selected_options = ['option_1', 'option_2']
df = df.query("my_col in @selected_options")

这里的@符号用于引用外部定义的selected_options变量，返回的DataFrame可以直接修改，不会触发视图警告。

2. 使用DataFrame.loc[]配合显式复制 #

loc本身可用于行筛选，结合copy=True参数（Pandas 1.3.0及以上版本支持），可以直接返回副本：

selected_options = ['option_1', 'option_2']
# 方式一：显式调用copy()
df = df.loc[df['my_col'].isin(selected_options), :].copy()
# 方式二：使用loc的copy参数（Pandas 1.3.0+）
df = df.loc[df['my_col'].isin(selected_options), :, copy=True]

这种方式比普通切片逻辑更清晰，通过显式控制返回副本，彻底规避视图相关的警告。

3. 使用DataFrame.where()（需额外处理空值） #

where()方法会保留满足条件的行，不满足条件的行值会被设为NaN，配合dropna()可以得到过滤后的DataFrame：

selected_options = ['option_1', 'option_2']
df = df.where(df['my_col'].isin(selected_options)).dropna(axis=0, how='all')

不过这种方式需要额外处理空值，不如前两种方法直接。

总结 #

最推荐的是query()方法，它语法简洁且直接返回独立的DataFrame；如果需要更灵活的行/列组合筛选，loc配合显式复制也是可靠的选择。

内容的提问来源于stack exchange，提问作者user2138149