Python Pandas 如何用函数式编程合并多个布尔Series

你持有一个包含gender、marital、education等多个列的pandas DataFrame，样例数据结构如下：

你已经生成了一组存储在列表中的布尔Series筛选条件，条件生成代码如下：

bool_gender = df["gender"] == "male"
bool_marital = df["marital"] == "married"
bool_education = df["education"] == "secondary"
cond_list = [bool_gender, bool_marital, bool_education]

需求是在Python 3环境下使用函数式编程写法，将列表内所有布尔Series通过&运算符做逻辑与合并，最终得到的单一布尔Series需要和以下表达式的计算结果完全一致：

desired_output = bool_gender & bool_marital & bool_education

预判实现可能会用到类似reduce("&", map(function, iter))的形式。

直接使用functools.reduce做累积运算即可，不需要额外嵌套map，注意reduce不能直接传入字符串形式的运算符，需要调用运算符对应的可调用对象：

• 推荐写法：借助标准库operator的and_方法，性能比lambda更好，逻辑和原生&完全等价

from functools import reduce
import operator

combined_cond = reduce(operator.and_, cond_list)

注：pandas布尔Series重载了__and__魔术方法，operator.and_本质就是调用两个Series的&运算逻辑，逐元素返回逻辑与结果，和手动链式拼接条件的输出没有差异。

• 轻量写法：如果不想导入operator模块，直接传入lambda表达式即可，效果和上面的写法完全一致

from functools import reduce

combined_cond = reduce(lambda x, y: x & y, cond_list)

两种写法都属于标准的函数式编程实现，无需编写显式循环，也不需要手动逐行拼接条件，不管列表里有多少个布尔筛选条件都可以正常合并。

内容的提问来源于stack exchange，提问作者matt.aurelio