Python中data[data["total_savings"]<400000]式筛选是什么？如何使用？

这是Pandas布尔索引（Boolean Indexing），是Pandas库中针对DataFrame/Series的核心数据筛选手段，专门用于高效过滤结构化数据，也是数据科学、机器学习场景里的常用操作。

为什么它比map()快？ #

map()是原生Python的逐元素处理方法，本质是在Python层面循环遍历每个元素；而Pandas的布尔索引基于向量化运算，底层用C实现，跳过了Python循环的开销，处理大规模数据集时效率差距会非常明显。

怎么使用布尔索引？ #

这里举几个常用场景：

• 基础单条件筛选：就是你看到的写法，先通过条件生成布尔序列，再用它索引原数据：

  # 筛选total_savings小于400000的所有行
  filtered_data = data[data["total_savings"] < 400000]
  

  这里data["total_savings"] < 400000会返回一个和原DataFrame行数一致的布尔Series，值为True的位置就是符合条件的行。
• 多条件组合筛选：用&（逻辑与）、|（逻辑或）组合条件，记得给每个条件加括号：

  # 筛选储蓄小于40万且年龄大于30的行
  filtered_data = data[(data["total_savings"] < 400000) & (data["age"] > 30)]
  

• 反向筛选：用~取反布尔条件，筛选不符合原条件的数据：

  # 筛选储蓄大于等于40万的行
  filtered_data = data[~(data["total_savings"] < 400000)]
  

• Series的筛选：布尔索引同样适用于Pandas Series：

  savings_series = data["total_savings"]
  high_savings = savings_series[savings_series > 100000]
  

注意事项 #

这个写法只适用于Pandas的DataFrame和Series对象，原生Python列表不能直接这么用，如果要对普通列表做类似操作，需要先把列表转换成Pandas数据结构。

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