如何在Python中动态构建条件判断及Pandas数据框过滤？

为什么直接用字符串条件不生效 #

Python中字符串在if判断里只会判断是否非空，不会解析成表达式执行。比如你生成的'(x==4) | (x==7)'是一个非空字符串，所以if会一直判定为True，完全达不到过滤效果。

针对不同场景的解决方案 #

场景1：单列匹配多个值 #

如果是某一列需要匹配多个值（比如你测试的x列匹配4或7），直接用isin()方法最简洁高效：

import pandas as pd

df = pd.DataFrame({'x': [1,4,5,7,9]})
target_vals = [4,7]
filtered_df = df.loc[df['x'].isin(target_vals)]
print(filtered_df)

输出：

x
1  4
3  7

场景2：多列分别匹配对应值（并行OR条件） #

如果是多列对应多个值，需要满足任意一列匹配对应值（比如col1val1 或 col2val2 或 ...），可以用functools.reduce组合布尔条件：

import pandas as pd
from functools import reduce

df = pd.DataFrame({
    'col1': [1,2,3,4],
    'col2': [5,6,7,8],
    'col3': [9,10,11,12]
})
cols = ['col1', 'col2', 'col3']
target_vals = [2,7,12]

# 生成每个列的匹配条件
conditions = [df[col] == val for col, val in zip(cols, target_vals)]
# 用逻辑或组合所有条件
combined_condition = reduce(lambda a, b: a | b, conditions)
# 过滤数据
filtered_df = df.loc[combined_condition]
print(filtered_df)

输出：

col1  col2  col3
1     2     6    10
2     3     7    11
3     4     8    12

场景3：多列同时满足对应值（并行AND条件） #

如果需要满足所有列都匹配对应值，只需要把上面的|换成&即可：

combined_condition = reduce(lambda a, b: a & b, conditions)

注意事项 #

• 避免使用eval()解析字符串条件：虽然eval(condition_str)能执行表达式，但存在安全风险（如果条件字符串包含恶意代码），且可读性差。
• 当数据量较大时，isin()和布尔条件组合的方法性能远优于循环调用.loc，因为Pandas会批量处理数据。

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