Python Pandas如何基于嵌套列表的多个动态条件查询DataFrame

关于你对loc函数的理解问题 #

首先你当前写的多条件loc用法是错误的：data.query()返回的是过滤后的DataFrame对象，不能直接作为.loc的行筛选条件（loc行位置接收的是布尔数组/布尔Series）。
另外.loc本身的使用逻辑是df.loc[行筛选条件, 列筛选条件]：

• 如果你需要返回所有列，不需要补充主键，直接写df.loc[行筛选条件]就可以返回符合条件的所有行+全部列；
• 只有你需要指定返回特定列的时候，才需要在第二个参数位置写列名，和有没有主键没有关系。

不定数量多条件查询的实现方案 #

你完全不需要硬写.loc拼接query，pandas的query()本身就支持多条件查询，处理不定数量条件非常简单：

方案1：直接拼接查询字符串传给query（最推荐） #

你已经把所有条件存在嵌套列表里，直接把每个条件拼成单个规则字符串，再用&（与逻辑）或者|（或逻辑）拼接成全量查询语句就行，示例代码：

# 假设你的条件存储结构是conditions = [[field1, op1, val1], [field2, op2, val2], ...]
query_str_list = []
for field, op, val in conditions:
    # 注意：如果比对值是字符串类型，需要额外加引号避免query识别为列名
    if val.replace('.', '', 1).isdigit():
        # 数字类型不用加引号
        query_str_list.append(f"{field} {op} {val}")
    else:
        # 字符串类型加单引号包裹
        query_str_list.append(f"{field} {op} '{val}'")

# 拼接成完整多条件查询语句，默认用与逻辑，需要或逻辑就换成' | '.join
full_query = ' & '.join(query_str_list)
# 直接执行查询，不需要loc
result = data.query(full_query)

方案2：如果你确实需要用loc布尔索引实现 #

可以初始化一个全为True的布尔Series，遍历所有条件逐个叠加筛选规则：

import pandas as pd

# 初始化全True的布尔Series，长度和原数据一致
mask = pd.Series([True]*len(data), index=data.index)
for field, op, val in conditions:
    # 转成对应类型的比对值
    if val.replace('.', '', 1).isdigit():
        val = float(val) if '.' in val else int(val)
    # 拼接单条件的布尔Series，叠加与逻辑
    if op == '==':
        mask &= (data[field] == val)
    elif op == '!=':
        mask &= (data[field] != val)
    elif op == '>':
        mask &= (data[field] > val)
    elif op == '<':
        mask &= (data[field] < val)

# 用mask筛选数据，两种写法都可以
result = data.loc[mask]
# 也可以直接写 result = data[mask]

补充注意事项 #

• 最好提前校验用户输入的操作符是否在允许的范围内（==、!=、>、<），避免非法输入导致执行报错
• 如果字段名有空格或者特殊字符，需要在query语句里给字段名加反引号包裹，比如`user name` == '张三'

内容的提问来源于stack exchange，提问作者Barnie Gill