pandas中df[col][mask]与df[mask][col]两种DataFrame过滤方式有什么区别

以下示例基于泰坦尼克数据集，两种待对比的写法如下：

# 写法1
df_train['Age'][df_train['Pclass']==1]
# 写法2
df_train[df_train['Pclass']==1]['Age']

1. 执行逻辑顺序不同 #

• 写法1执行流程：
  1. 先提取整个数据集的Age列，得到一个一维Series对象
  2. 对这个Age Series应用Pclass==1的布尔掩码，筛选出头等舱乘客的年龄数据
• 写法2执行流程：
  1. 先用Pclass==1的布尔掩码过滤整个DataFrame，得到仅包含头等舱乘客的子DataFrame
  2. 从这个子DataFrame中提取Age列的Series

2. 视图与副本的差异（赋值操作时风险不同） #

两者如果仅用来做数据查询、不修改返回值，最终得到的数值结果完全一致，没有使用差异。但如果要对返回结果做赋值修改，两者的行为会有区别：

pandas的链式索引（连续两次使用[]取值）属于官方不推荐的写法，返回结果可能是原数据的视图，也可能是独立副本，直接赋值会触发SettingWithCopyWarning警告

• 写法1先取列再过滤，返回的Series大概率是原数据集Age列的视图，对其赋值会直接修改原df_train的对应值
• 写法2先过滤得到的子DataFrame大概率是独立副本，对它的Age列赋值不会影响原df_train，同时会抛出警告

最佳实践 #

官方推荐统一用.loc索引器完成这类筛选需求，逻辑清晰且没有视图/副本的歧义：

df_train.loc[df_train['Pclass'] == 1, 'Age']

内容的提问来源于stack exchange，提问作者김혜성