如何为pandas DataFrame创建全True初始布尔序列以组合多条件筛选

场景说明 #

处理程序动态生成的布尔条件列表，实现两种筛选逻辑：

• 所有条件同时成立时保留行（逻辑与）
• 任意条件成立时保留行（逻辑或）

最优实现（推荐） #

不需要手动初始化布尔序列+循环拼接，直接用Pandas原生方法即可：

逻辑与（所有条件同时成立） #

import pandas as pd

# 合并所有条件，每行所有条件为True时返回True
bigConditional = pd.concat(conditionals, axis=1).all(axis=1)
filteredDf = df[bigConditional]

逻辑或（任意条件成立） #

# 合并所有条件，每行至少一个条件为True时返回True
bigConditional = pd.concat(conditionals, axis=1).any(axis=1)
filteredDf = df[bigConditional]

手动循环实现（符合预想的写法） #

如果需要按照循环逻辑实现，对应初始化方法如下：

逻辑与场景初始化全True布尔序列 #

# 初始化与df索引完全对齐的全True布尔序列
bigConditional = pd.Series(True, index=df.index)
for conditional in conditionals:
    # 注意用按位与运算符&，不要用&&
    bigConditional &= conditional
filteredDf = df[bigConditional]

逻辑或场景初始化全False布尔序列 #

# 初始化与df索引完全对齐的全False布尔序列
bigConditional = pd.Series(False, index=df.index)
for conditional in conditionals:
    # 注意用按位或运算符|，不要用||
    bigConditional |= conditional
filteredDf = df[bigConditional]

注意事项 #

• Pandas向量化布尔运算使用&（按位与）、|（按位或）运算符，Python原生的and/or或者&&/||无法处理Series类型的序列数据，会直接报错
• 推荐优先使用concat+all/any的写法，代码更简洁，性能优于手动循环

内容的提问来源于stack exchange，提问作者Sidney