Pandas筛选df1保留breast_exitstat为1/8行运行过慢如何优化

你的代码有两个致命问题，这也是运行异常缓慢、结果不符合预期的核心：

• 变量名拼写错误：第二个判断条件里你写的是df['breast_exitstat']，而非目标对象df1。如果你的运行环境中存在另一个名为df的DataFrame，pandas会先做两个DataFrame列的索引对齐，若两者索引不匹配会生成大量空值，甚至触发隐式的大对象广播，直接把运算速度拖垮。
• 筛选逻辑写反：你当前的取反写法最终会保留所有breast_exitstat既不等于1也不等于8的行，和你“仅保留取值为1、8的记录”的需求完全相反。

7.5万行的行筛选操作正常耗时在毫秒级，用isin()方法做集合匹配，比多条件或运算拼接效率更高、写法更简洁，也不容易写错：

df1 = df1[df1['breast_exitstat'].isin([1, 8])]

如果要明确指定用.loc索引（避免pandas的链式赋值警告），可以写成：

df1 = df1.loc[df1['breast_exitstat'].isin([1, 8]), :]

如果修正代码后运行仍然卡顿，优先检查两个点：

• 列类型问题：执行df1['breast_exitstat'].dtype查看列类型，如果是object类型（说明列里混了字符串、空值、其他类型数据），先转成数值类型再筛选：

  df1['breast_exitstat'] = pd.to_numeric(df1['breast_exitstat'], errors='coerce')
  

• 内存问题：如果你的运行环境内存占用已经满了，pandas会触发磁盘交换，所有操作的速度会下降几十到上百倍，先释放不用的大对象再执行操作。

不建议用取反+多个等于判断拼接的写法，不仅冗余容易写错，匹配效率也低于原生的isin()集合判断。

内容的提问来源于stack exchange，提问作者Maya