如何在Pandas DataFrame中按条件筛选数值而非返回布尔值

1. 为什么返回布尔值？ #

你的代码执行逻辑是先通过df.loc[df['parallax'] >= 300, 'parallax']筛选出parallax列中≥300的所有数值，再对这些数值执行<=900的比较判断，最终返回的是每个元素是否满足该条件的布尔值Series，而非筛选后的数据集。

2. 如何获取符合条件的数值？ #

需要将两个条件组合作为行筛选条件传入loc，注意要用括号包裹每个条件（因为&的优先级高于比较运算符）：

# 获取包含符合条件记录的完整DataFrame
new_df = df.loc[(df['parallax'] >= 300) & (df['parallax'] <= 900)]

# 若仅需parallax列的数值
parallax_values = df.loc[(df['parallax'] >= 300) & (df['parallax'] <= 900), 'parallax']

NaN值由于比较结果为False，会被自动排除在结果之外。

3. 更优实现方式 #

使用pandas内置的between方法，语法更简洁直观，默认包含两端边界值：

# 获取符合条件的整行数据
new_df = df[df['parallax'].between(300, 900)]

# 用loc写法更明确（推荐）
new_df = df.loc[df['parallax'].between(300, 900)]

# 若需重置结果索引，可追加reset_index
new_df = df.loc[df['parallax'].between(300, 900)].reset_index(drop=True)

内容的提问来源于stack exchange，提问作者user23141461