无需复制并重索引整个DataFrame，如何获取过滤后pandas DataFrame的首个值？

当然有更高效简洁的方案！你完全没必要复制整个DataFrame或者重置索引——直接在原数据上操作就行，既能省代码，还能避免额外的内存开销（这在处理大数据集时特别重要）。

方法1：布尔索引 + iloc[0] #

直接过滤出符合条件的行，然后通过位置索引iloc[0]获取第一个匹配的name值：

# 用~对statement取反，等价于df.statement == False，代码更简洁
name = df[~df.statement]['name'].iloc[0]

针对你的示例DataFrame，这会直接返回'147'。

方法2：loc + iat[0]（更高效的单元素访问） #

如果想更精准地定位单个元素，可以结合loc筛选列和行，再用iat[0]（专门用于快速访问单个位置元素）：

name = df.loc[~df.statement, 'name'].iat[0]

iat比iloc在访问单个元素时性能略优，不过两者在小数据集上差异不大。

处理无匹配项的边界情况 #

如果你的数据中可能不存在statement == False的行，上面的方法会抛出IndexError。可以用next()结合迭代器来优雅处理这种情况，指定默认值（比如None）：

# 当没有匹配行时，返回None
name = next(iter(df[~df.statement]['name']), None)

为什么原方案不够高效？ #

你原来的方法会创建一个全新的filtered_df对象（复制了符合条件的所有行），然后重置索引——这在数据量较大时会占用不必要的内存，而且多了两步冗余操作。上面的方法直接在原DataFrame的切片视图上操作，只提取你需要的第一个元素，完全避免了复制整个数据集的开销。

内容的提问来源于stack exchange，提问作者janbo