Pandas DataFrame布尔值筛选疑问及按列筛选实现方法

为什么df[df!=True]和df[df==True]结果形状与原表一致？ #

当你执行df != True或df == True时，Pandas会生成一个与原DataFrame维度完全相同的布尔掩码——每个单元格都会被判断是否等于True，得到一个同形状的布尔值矩阵。用这个矩阵索引原DataFrame时，Pandas不会过滤行或列，只是将不满足条件的单元格替换为NaN，因此最终的DataFrame行数、列数都和原表一致。

如何拆分DataFrame为包含True值和非True值的两部分？ #

拆分逻辑需要明确需求，常见场景的实现方式：

• 按行拆分（行内至少有一个True/全为非True）：

  # 提取所有包含至少一个True值的行
  df_with_true = df[df.any(axis=1)]
  # 提取所有不含True值的行
  df_without_true = df[~df.any(axis=1)]
  

• 保留原结构，仅保留对应值（其余为NaN）：
  如果你需要保留原DataFrame的行列结构，仅保留符合条件的单元格（不符合的设为NaN），可以用where方法更清晰实现：

  # 仅保留True值，其余位置为NaN
  true_df = df.where(df == True)
  # 仅保留非True值，其余位置为NaN
  non_true_df = df.where(df != True)
  

按指定列筛选的正确实现 #

你的最终需求（按col1列的True/False拆分），直接用你写的代码即可，这是Pandas布尔索引的标准用法：

x1 = df[df['col1'] != True]
x2 = df[df['col1'] == True]

如果col1本身是布尔类型，还可以简化写法：

# 筛选col1为True的行
x2 = df[df['col1']]
# 筛选col1为False的行
x1 = df[~df['col1']]

也可以用query方法让代码更简洁直观：

x1 = df.query('col1 != True')
x2 = df.query('col1 == True')

内容的提问来源于stack exchange，提问作者user1245262