如何缩短DataFrame的布尔输出过滤代码？循环实现可简化吗

嘿，这事儿超简单！你现在写的循环代码完全可以用Pandas的矢量化操作来简化，不仅代码更简洁，运行效率还高得多（尤其是数据量大的时候）。

先看看你当前的实现：

a = []
for i in df['Age'].values:
    if i > 40:
        a.append(True)
    else:
        a.append(False)
df['over 40?'] = a

最优简化方案：直接用Series矢量化比较 #

Pandas的Series天生支持和标量做批量比较，会自动返回一个布尔值的Series，直接赋值给新列就行：

df['over 40?'] = df['Age'] > 40

这一行代码就搞定了你原来循环做的所有事，而且底层是C实现的矢量化运算，比Python循环快好几个量级，数据越多差距越明显。

备选方案：使用apply（不推荐大数据量场景） #

如果你更习惯函数式写法，也可以用apply，但性能不如上面的矢量化方法：

df['over 40?'] = df['Age'].apply(lambda x: x > 40)

简单来说，Pandas就是为批量数据操作设计的，尽量别手动遍历每一行——既写得麻烦，又拖慢运行速度～

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