Pandas按年份条件拆分DataFrame（禁用inplace=True）的更优方法

你的现有实现完全可行，但可以通过一次性计算布尔掩码的方式优化，避免重复过滤条件，提升代码效率（尤其针对大型数据集）。

优化思路 #

先算出判断条件的布尔掩码，再用这个掩码同时拆分两个DataFrame，不用重复计算df["Year"] >= 2000：

import pandas as pd

cars = {'Make': {0: 'BMW', 1: 'Kia', 2: 'BMW', 3: 'BMW', 4: 'BMW', 5: 'Kia'}, 
        'Model': {0: '1 serie', 1: 'K7', 2: '6 serie', 3: '6 serie', 4: 'X3', 5: 'Bongo'}, 
        'Year': {0: 2007, 1: 2012, 2: 1982, 3: 1987, 4: 2006, 5: 2000}}

df = pd.DataFrame.from_dict(cars)

# 一次性计算布尔掩码
mask = df["Year"] >= 2000
df_2000 = df[mask]
df = df[~mask]  # ~ 表示取反，等价于 Year < 2000

优势说明 #

• 只计算一次过滤条件，减少重复运算，在数据量较大时性能提升明显；
• 代码逻辑更清晰，掩码变量可以直观表达过滤规则，便于维护。

内容的提问来源于stack exchange，提问作者AnnAc0nda