Pandas筛选指定前缀列匹配值返回全NaN 如何高效实现多列筛选

你最初写的df[df.filter(like='Inc') == 'Yes']无法得到正确结果，核心原因是df.filter(like='Inc') == 'Yes'返回的是一个仅包含9个Inc列的布尔型DataFrame，用这个布尔DataFrame直接索引原表时，Pandas只会保留布尔值为True位置的单元格值，不在布尔判断范围内的非Inc列会被全部填充为NaN，因此返回结果不符合预期。

不需要逐列手写与逻辑，用行方向的全值判断即可实现需求，后续Inc列数量增减时不需要修改代码：

• 基础写法（和你用like='Inc'筛选列的逻辑完全对齐）

# 提取所有列名包含Inc的列，逐行判断是否所有取值均为Yes
mask = df.filter(like='Inc').eq('Yes').all(axis=1)
df_result = df[mask]

代码说明：

• eq('Yes')等价于== 'Yes'，是Pandas中推荐的元素级判断写法

• all(axis=1)会按行检查判断结果，只有该行所有Inc列的取值都是Yes时，对应行的mask值才为True

• 最终返回的df_result是原DataFrame中符合条件的所有行、所有列，和你逐列写与逻辑的运行结果完全一致。

• 更严谨的写法（严格匹配「列名以Inc开头」的需求）
  如果担心like='Inc'会误匹配到列名中间带Inc的列（比如列名A_Inc_test），可以用列名前缀匹配的方式筛选目标列，准确性更高：

# 先筛选所有以Inc为开头的列名
inc_cols = df.columns[df.columns.str.startswith('Inc')]
mask = df[inc_cols].eq('Yes').all(axis=1)
df_result = df[mask]

• 灵活扩展
  如果后续需要调整筛选规则，比如只要8个及以上Inc列取值为Yes就保留行，只需要把判断逻辑稍作修改即可，不需要逐列调整：

# 满足Inc列取值为Yes的数量>=8即保留
mask = df.filter(like='Inc').eq('Yes').sum(axis=1) >= 8
df_result = df[mask]

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