如何使用Pandas从CSV文件读取DataFrame并按指定列条件提取对应列值到列表

这里有两种简洁易懂的方法可以实现你的需求，都是Pandas处理这类筛选场景的常规操作，直接看代码和解释就能上手：

方法一：一步式loc索引（推荐） #

这种写法可读性强，直接完成条件筛选和目标列提取，一步到位：

import pandas as pd

# 替换成你的CSV文件实际路径/文件名
df = pd.read_csv('your_dataset.csv')

# 筛选死亡病例占比>0.5的行，提取对应GDP列并转换为Python列表
ListA = df.loc[df['Deaths to Cases(%)'] > 0.5, 'GDP per Capita(nominal)'].tolist()

# 打印验证结果
print(ListA)

方法二：拆分布尔掩码步骤 #

如果觉得一步写太紧凑，可以拆成两步，逻辑更清晰：

import pandas as pd

df = pd.read_csv('your_dataset.csv')

# 先创建布尔掩码：标记所有符合条件的行
mask = df['Deaths to Cases(%)'] > 0.5

# 用掩码筛选行，再提取目标GDP列并转成列表
ListA = df[mask]['GDP per Capita(nominal)'].tolist()

额外注意事项 #

• 如果CSV读取时出现数值类型异常（比如被识别为字符串），可以手动指定数据类型确保计算正确：

df = pd.read_csv(
    'your_dataset.csv',
    dtype={
        'GDP per Capita(nominal)': float,
        'Deaths to Cases(%)': float
    }
)

• 运行后得到的ListA完全匹配你的预期输出：[180366.7, 94277.96536, 67335.29341, 57410.16586, 48472.54454, 46949.28309]

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