如何使用filter关键字与lambda函数筛选pandas DataFrame指定列？

你需要明确：pandas的DataFrame.filter()方法是用来按名称筛选行/列的（比如匹配列名、索引名），不能直接传入lambda按行内容过滤。如果你想用Python内置的filter函数配合lambda实现行筛选，得结合DataFrame的行迭代器，同时更推荐用pandas原生的布尔索引（性能更高）。

方法1：Python内置filter + df.iterrows() #

内置filter可以对可迭代对象做过滤，df.iterrows()会返回每行的(索引, 行Series)元组，所以lambda需要处理这个元组：

import pandas as pd
data = [{
'Language': 'Python',
'Percent grow': 56
}, {
'Language': 'Java',
'Percent grow': 34
}, {
'Language': 'C',
'Percent grow': 25
}, {
'Language': 'C++',
'Percent grow': 12
}, {
'Language': 'go',
'Percent grow': 5
}]
df = pd.DataFrame(data)

# 用内置filter筛选符合条件的行
filtered_rows = filter(lambda x: x[1]['Percent grow'] > 30, df.iterrows())
# 将筛选结果转为DataFrame
filtered_df = pd.DataFrame([row[1] for row in filtered_rows])
print(filtered_df)

输出结果：

Language  Percent grow
0   Python            56
1     Java            34

方法2：更高效的pandas原生布尔索引 #

虽然你问的是filter+lambda，但处理DataFrame时，布尔索引是最优方案——它是向量化操作，比迭代行快得多，代码也更简洁：

filtered_df = df[df['Percent grow'] > 30]
print(filtered_df)

输出结果和上面完全一致，数据量越大，这个方法的优势越明显。

为什么你的原代码会报错？ #

你写的df.filter(f)调用的是pandas的DataFrame.filter()方法，它的参数只能是items（指定列/行名称）、like（模糊匹配名称）、regex（正则匹配名称），不支持传入lambda按行内容过滤，因此会触发错误。

内容的提问来源于stack exchange，提问作者rushikesh