Python数据分析：两种DataFrame筛选代码的差异及适用场景疑问

首先要纠正：你写的第二行代码rice_consumption = food_consumption["food_category"]=="rice"]是语法错误，多了一个闭合方括号，正确的写法应该是rice_mask = food_consumption["food_category"]=="rice"（或者直接写布尔表达式不赋值）。下面解析两种正确写法的区别：

第一种写法：直接筛选整行数据 #

rice_consumption = food_consumption[food_consumption["food_category"]=="rice"]

• 逻辑拆解：
  1. food_consumption["food_category"]=="rice"：从原DataFrame中取出food_category列，和字符串"rice"做比较，生成一个布尔Series（每行对应一个True/False，标记该行是否属于rice类别）。
  2. 把这个布尔Series传入food_consumption[]，会从原DataFrame中筛选出所有布尔值为True的行，最终得到一个只包含rice类别的新DataFrame（保留所有列）。
• 适用场景：当你需要直接获取符合条件的完整数据集，后续要对这些行的所有列做分析时用这个写法，比如查看rice类别的消费数据、地区分布等。

第二种写法：生成筛选掩码 #

rice_mask = food_consumption["food_category"]=="rice"

• 逻辑：这行代码只生成用于筛选的布尔Series（也叫"掩码"），不会对原DataFrame做筛选操作，只是标记哪些行符合条件。
• 适用场景：
  • 当你需要重复使用同一个筛选条件时，先把掩码存成变量，后续可以多次调用，让代码更简洁。比如：

    # 多次使用同一掩码
    rice_consumption = food_consumption[rice_mask]
    rice_avg_consumption = food_consumption[rice_mask]["consumption"].mean()
    

  • 需要组合多个筛选条件时，掩码变量更易读，比如：

    high_consumption_mask = food_consumption["consumption"] > 10
    # 组合两个条件
    rice_high_consumption = food_consumption[rice_mask & high_consumption_mask]
    

为什么第一种写法要两次引用food_consumption？ #

因为这是把"生成掩码"和"用掩码筛选"两个步骤合并成了一行：第一次引用是生成筛选用的布尔序列，第二次引用是用这个序列去原DataFrame里提取符合条件的行，本质是两步操作的简写。

内容的提问来源于stack exchange，提问作者The_Player_123