如何在Pandas中筛选多列含指定值的DataFrame子集？

问题背景 #

给定以下Pandas DataFrame：

A  age  B   C   D   E
0            0   58  0   1   0   0   
1            0   45  0   0  99   0   
2            1   41  0   1   1   0   
3            0   53  0   1  99  99   
4            0   28  0  99   0  99   

需求是筛选出B、C、D、E任意一列值为99的行，预期结果如下：

A  age  B   C   D   E   
1            0   45  0   0  99   0      
3            0   53  0   1  99  99   
4            0   28  0  99   0  99 

尝试执行以下代码时触发错误：

df99 = df[df['B'] == 99 or df['C'] == 99 or df['D'] == 99 or df['E'] == 99]

报错信息：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

错误原因 #

Python原生的or是逻辑运算符，无法直接作用于Pandas的Series对象——因为Series是一组布尔值，无法直接判断整个Series的真假，因此会抛出歧义错误。Pandas需要使用**按位或运算符|**来处理Series之间的逻辑或操作。

正确实现方法 #

方法1：使用按位或| #

注意每个条件必须用括号包裹，避免运算符优先级问题：

df99 = df[(df['B'] == 99) | (df['C'] == 99) | (df['D'] == 99) | (df['E'] == 99)]

方法2：简洁的isin+any写法 #

当需要筛选的列较多时，这种写法更高效简洁：

# 指定要检查的列
target_cols = ['B', 'C', 'D', 'E']
# 检查指定列是否包含99，按行判断是否有至少一个符合条件
df99 = df[df[target_cols].isin([99]).any(axis=1)]

方法3：eq+any写法 #

和方法2逻辑一致，用eq()方法直接判断等于99：

target_cols = ['B', 'C', 'D', 'E']
df99 = df[df[target_cols].eq(99).any(axis=1)]

以上三种方法都能得到预期的筛选结果，其中方法2和3更适合列数较多的场景，代码可读性和维护性更强。

内容的提问来源于stack exchange，提问作者Luke Haws