如何通过字典过滤Pandas DataFrame，保留列中≥阈值的元素？

假设有如下Pandas DataFrame：

Num1  Num2
1        1     0
2        3     2
3        5     4
4        7     6
5        9     8

同时有如下字典：

d = {
    "Num1": 2,
    "Num2": 5
}

需求是：对DataFrame中与字典键匹配的列，保留值大于等于字典对应阈值的元素，不符合条件的替换为nan，最终得到如下结果：

Num1  Num2
1       NaN   NaN
2       3.0   NaN
3       5.0   NaN
4       7.0   6.0
5       9.0   8.0

可以利用Pandas的ge()和where()方法快速实现需求，代码如下：

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'Num1': [1, 3, 5, 7, 9],
    'Num2': [0, 2, 4, 6, 8]
}, index=[1,2,3,4,5])

d = {"Num1": 2, "Num2": 5}

# 核心逻辑
result = df.where(df.ge(d))
print(result)

代码说明 #

• df.ge(d)：按列匹配字典的键，将每列的元素与对应阈值做大于等于比较，生成一个布尔值DataFrame（满足条件为True，否则为False）。
• df.where(...)：根据布尔掩码筛选数据，保留原DataFrame中True位置的值，False位置替换为nan。

运行代码后即可得到符合预期的结果。

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