如何将字符串条件用作pandas DataFrame的列筛选条件

pandas方括号索引传入字符串时，默认会将字符串匹配为列名，不会自动解析字符串里的逻辑表达式。你传入拼接好的整串条件字符串后，pandas会尝试找名称和这串字符完全一致的列，找不到就抛出KeyError。
另外你原来拼接的条件字符串本身也有格式问题：列名外层多套了一层单引号，即使使用支持字符串条件的接口也会触发语法错误。

你可以根据自己的编码习惯选以下任意一种方案：

• 方案1：用query()接口（适配你原有字符串拼接的逻辑，改动最小）
  先调整字符串拼接规则，去掉列名多余的单引号，最后直接传入query即可：

  # 修正条件拼接逻辑
  condition = ""
  first_flag = True
  for elem in fold['include_months']:
      if first_flag:
          condition = f"MonthNumber_{elem} == 1"
          first_flag = False
      else:
          condition += f" | MonthNumber_{elem} == 1"
  
  # 用query执行字符串条件筛选
  X_train = X_train.query(condition)
  

• 方案2：直接构建布尔掩码（最稳妥，无字符串语法风险，推荐日常使用）
  不需要拼接字符串，逐列生成布尔判断结果后做或运算，最终得到全行的筛选掩码：

  filter_mask = pd.Series(False, index=X_train.index)
  for elem in fold['include_months']:
      filter_mask |= (X_train[f"MonthNumber_{elem}"] == 1)
  
  X_train = X_train[filter_mask]
  

• 方案3：极简写法（适配独热编码月份列的场景）
  直接批量取目标列，判断任意列值为1即可，不需要写循环：

  # 批量生成目标列名
  target_month_cols = [f"MonthNumber_{elem}" for elem in fold['include_months']]
  # 按行判断是否存在值为1的项，生成筛选掩码
  X_train = X_train[X_train[target_month_cols].eq(1).any(axis=1)]
  

注意：网上部分教程会提到用eval()执行字符串表达式实现筛选，这种写法存在代码注入安全风险，生产环境绝对不要使用。

内容的提问来源于stack exchange，提问作者Theo75