如何遍历现有DataFrame筛选符合条件的行创建小型DataFrame

处理pandas DataFrame行筛选场景完全不需要手动遍历，尤其是你提到数据量很大的情况，手动逐行遍历性能极差，用pandas原生的向量化筛选语法才是正确做法，运行效率比遍历高几十到上百倍。

推荐实现方法 #

• 方法1：最常用的布尔索引（优先使用，兼容性最好）
  直接按列名做判断筛选即可：

# 筛选METRIC_ID1列值为'sales_yoy'的行，生成新DataFrame
new_df = df[df['METRIC_ID1'] == 'sales_yoy'].copy()

说明：末尾加.copy()是为了避免后续修改新DataFrame时触发SettingWithCopyWarning警告，如果你不需要对新表做修改操作也可以省略，日常使用建议带上规避潜在问题。

• 方法2：按列位置筛选
  如果你不想写列名，想直接按第10列的位置筛选，注意pandas列位置是从0开始计数，第10列对应的位置索引是9，可以用iloc写法：

new_df = df[df.iloc[:, 9] == 'sales_yoy'].copy()

• 方法3：query语法（写法更简洁）
  习惯写类SQL查询语法的话也可以用query方法：

new_df = df.query("METRIC_ID1 == 'sales_yoy'").copy()

为什么不推荐遍历 #

不管是用iterrows()、itertuples()还是手写for循环逐行判断取值，都属于非向量化操作，在数据量较大时运行速度会远慢于上面的原生筛选方法，属于pandas使用中不推荐的反模式。

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