如何使用Pandas筛选Excel表格中需展示的指定行？

1. 按行号筛选 #

读取后筛选 #

如果已经读取了全量数据，直接用iloc按行索引（从0开始计数）筛选：

data = pd.read_excel("TABLE.xlsx", usecols='D,E,F')
# 取Excel里的第2到第5行（pandas索引是0-based，所以用1:5）
filtered_data = data.iloc[1:5]
print(filtered_data)

读取时直接指定 #

提前明确要取的行范围，可在读取阶段就限制，节省内存：

# 跳过前3行，只读取接下来的10行
data = pd.read_excel("TABLE.xlsx", usecols='D,E,F', skiprows=3, nrows=10)

2. 按列值条件筛选 #

根据列的内容筛选，用布尔索引最灵活：

• 单条件筛选：比如筛选E列数值大于100的行

data = pd.read_excel("TABLE.xlsx", usecols='D,E,F')
filtered_data = data[data['E'] > 100]

• 多条件组合：比如E列>100且F列包含"完成"

# 注意用&连接条件，每个条件单独加括号
filtered_data = data[(data['E'] > 100) & (data['F'].str.contains('完成'))]

3. 按自定义标签筛选 #

如果D列是唯一标识（比如ID），可以把它设为索引，用loc按标签取行：

# 读取时将D列设为索引
data = pd.read_excel("TABLE.xlsx", usecols='D,E,F', index_col='D')
# 筛选D列为ID001、ID003的行
filtered_data = data.loc[['ID001', 'ID003']]

4. 读取阶段动态筛选 #

如果数据量很大，不想加载全量数据，给skiprows传一个函数来跳过不需要的行：

# 只保留偶数行号（从0开始计数）的行
def filter_rows(row_idx):
    return row_idx % 2 != 0

data = pd.read_excel("TABLE.xlsx", usecols='D,E,F', skiprows=filter_rows)

内容的提问来源于stack exchange，提问作者Jay