Pandas逐行对比name与new-name列 按条件筛选输出指定列

你之前使用的df[person-name].equals(df[new-person])作用是判断两个列的整体内容是否完全一致，无法支持逐行自定义多条件匹配，直接使用pandas原生布尔索引即可实现需求，不需要逐行循环。

核心实现代码 #

# 构造逐行筛选条件：同时满足name列值为sidney、new-name列值为SC
# 注意每个单条件必须加圆括号，避免运算符优先级报错
filter_condition = (df['name'] == 'sidney') & (df['new-name'] == 'SC')

# 筛选符合条件的行，提取指定的4个目标字段
target_result = df.loc[filter_condition, ['identifier', 'person-name', 'new-identifier', 'new-person']]

示例验证 #

用你给出的样例数据构造测试DataFrame：

import pandas as pd

# 构造测试数据集
df = pd.DataFrame([
    {
        'identifier': ('hockey', 'player'),
        'person-name': 'sidney crosby',
        'type': 'player',
        'name': 'sidney',
        'new-identifier': ('pittsburg', 'player'),
        'new-person': 'crosby-sidney',
        'new-type': 'player',
        'new-name': 'SC'
    },
    {
        'identifier': ('basketball', 'player'),
        'person-name': 'lebron james',
        'type': 'player',
        'name': 'lebron',
        'new-identifier': ('lakers', 'player'),
        'new-person': 'james-lebron',
        'new-type': 'player',
        'new-name': 'LJ'
    }
])

运行上述筛选代码后，输出结果完全匹配预期：

• identifier: ('hockey', 'player')
• person-name: sidney crosby
• new-identifier: ('pittsburg', 'player')
• new-person: crosby-sidney

注意事项 #

• 列名包含横杠等特殊字符时，必须用字符串引号包裹列名，直接写df[person-name]会被识别为变量运算触发报错
• 多条件组合时，&代表逻辑与（所有条件同时满足）、|代表逻辑或（满足任意条件即可）、~代表逻辑非（条件取反），每个独立判断条件必须用圆括号包裹
• 布尔索引是pandas向量化实现，性能远高于apply逐行遍历、for循环遍历的写法，数据量越大优势越明显

内容的提问来源于stack exchange，提问作者gcoder