如何以Pythonic方式在Pandas中基于任意数量布尔条件定位DataFrame行？

我有一个DataFrame，想要基于多列上的任意数量布尔条件定位其中的行。目前我通过格式化复杂查询字符串来实现，这是一种不安全的模式（不过我并不太在意这段代码的安全性），具体实现如下：

df = pd.DataFrame({
    'a_id': [1, 3, 5],
    'b_id': [2, 7, 9],
    'c_id': [3, 4, 5]
})
ids_of_interest = [2, 4]
components_to_query = ['a', 'c']

query = '({})'.format(')|('.join([
    f'{c}_id.isin(@ids_of_interest)' for c in components_to_query
]))
df.query(query)

输出结果：

a_id  b_id  c_id
0     1     2     3
1     3     7     4

我想到的另一种方法如下，但它需要先初始化一个数组，再通过循环修改，非常不符合Python风格：

mask = pd.Series([False]*len(df))
for c in components_to_query:
    mask = mask | df[c + '_id'].isin(ids_of_interest)
df[mask]

请问使用query或其他方法，实现该需求的Pythonic方式是什么？

方法1：列提取+行级any合并条件 #

这是最直观简洁的写法，利用pandas向量化操作一步完成：

# 提取目标列 → 检查是否在目标ID列表 → 按行取逻辑或
mask = df[[f"{c}_id" for c in components_to_query]].isin(ids_of_interest).any(axis=1)
result = df[mask]

无需循环，直接通过行级any合并多列的布尔条件，完全符合Python简洁性原则。

方法2：简化df.query的字符串拼接 #

如果偏好使用query，可以直接用or连接条件，省去多余括号：

conditions = " or ".join([f"{c}_id in @ids_of_interest" for c in components_to_query])
result = df.query(conditions)

用in替代isin让查询语句更贴近自然语言，代码可读性更强，写法也更清爽。

方法3：函数式风格的reduce合并 #

如果喜欢函数式编程，可以用functools.reduce封装逻辑或的合并过程：

from functools import reduce
import operator

# 生成每列的布尔序列 → 用reduce逐个合并逻辑或
mask = reduce(operator.or_, [df[f"{c}_id"].isin(ids_of_interest) for c in components_to_query])
result = df[mask]

把显式循环的逻辑封装到reduce中，避免冗余的初始化操作，保持代码紧凑性。

内容的提问来源于stack exchange，提问作者shortorian