Python中如何缩短DataFrame筛选命令的长度？

算力阿峰

2026-8-6

简化Pandas DataFrame筛选条件的几种方法

当DataFrame名称较长或筛选条件复杂时，重复写df['字段']确实繁琐，以下是几种实用的简化方案：

用query()方法（最贴近SQL/R的写法）
这是最省心的方式，语法和SQL接近，不用反复写DataFrame名：
```
# 筛选满足条件的行并取出field3列
df.query("`field 1` == 'a' and `field 2` == 'b'")['field 3']
```
字段名带空格的话用反引号包裹；要引用外部变量的话，在变量前加@：
```
target_a = 'a'
target_b = 'b'
df.query("`field 1` == @target_a and `field 2` == @target_b")['field 3']
```
拆分条件为独立变量
把每个筛选条件单独存成变量，之后组合使用，减少df的重复书写：
```
cond_a = df['field 1'] == 'a'
cond_b = df['field 2'] == 'b'
df.loc[cond_a & cond_b, 'field 3']
```
这种方式在条件多的时候更清晰，也方便单独验证每个条件是否正确。
用eval()生成布尔掩码
通过eval()解析字符串条件得到布尔索引，再传入loc筛选：
```
filter_mask = df.eval("`field 1` == 'a' & `field 2` == 'b'")
df.loc[filter_mask, 'field 3']
```
适合需要先拿到掩码做进一步处理的场景，灵活性更高。