如何用布尔Series列表对pandas Series进行布尔索引？

问题描述 #

假设我们有一个由布尔类型pandas Series组成的列表boolean_series_list = [s1, s2, s3, ..., sn]，另有一个与列表中所有布尔Series索引完全匹配的Series s。需要对s进行索引，仅保留在列表中任意一个布尔Series对应索引位置为True的值。

已知可通过|操作符组合布尔Series（如s[s1|s2]），但手动展开整个列表的表达式过于繁琐，循环累加的方法又不够简洁。使用Python原生any()函数会抛出ValueError，因此需要类似any()的简洁pandas等效方法，同时也需要对应&操作符、类似all()的等效方案。

解决方案 #

一、等效于any()（逻辑或：任意一个为True）的方法 #

方法1：利用pd.concat() + any(axis=1)

将列表中的布尔Series拼接为DataFrame，再按行执行逻辑或判断：

import pandas as pd

# 生成组合后的布尔Series
combined_any = pd.concat(boolean_series_list, axis=1).any(axis=1)
# 对目标Series s进行索引筛选
result_any = s[combined_any]

any(axis=1)会逐行检查所有列，只要该行存在至少一个True就返回True，完全等价于手动用|拼接所有布尔Series的效果。

方法2：利用functools.reduce() + 逻辑或操作符

若不想生成中间DataFrame，可通过reduce逐个累积逻辑或操作：

from functools import reduce
import operator

combined_any = reduce(operator.or_, boolean_series_list)
result_any = s[combined_any]

二、等效于all()（逻辑与：全部为True）的方法 #

方法1：利用pd.concat() + all(axis=1)

与逻辑或的思路一致，拼接后按行执行逻辑与判断：

combined_all = pd.concat(boolean_series_list, axis=1).all(axis=1)
result_all = s[combined_all]

all(axis=1)要求该行所有列均为True才返回True，对应手动用&拼接所有布尔Series的效果。

方法2：利用functools.reduce() + 逻辑与操作符

同样通过reduce逐个累积逻辑与操作：

combined_all = reduce(operator.and_, boolean_series_list)
result_all = s[combined_all]

内容的提问来源于stack exchange，提问作者o c