何时选择使用pandas的.filter()方法而非其他子集选取方法？

filter 方法的核心定位是仅针对行/列的索引名称做筛选，完全不涉及数据值的校验，这是它和loc、iloc、逻辑筛选等方法最本质的区别，在匹配索引名称的场景下，它的写法比其他方案简洁很多。

先给出示例数据方便对照：

import pandas as pd
df = pd.DataFrame({
    'order_id': [1,2,3,4],
    'order_date': ['2023-01-01','2023-01-02','2023-01-03','2023-01-04'],
    'user_id': [101,102,101,103],
    'user_name': ['张三','李四','张三','王五'],
    'pay_amount': [99,199,299,399],
    'pay_time': ['10:00','11:00','14:00','16:00']
})

场景1：按列名模糊/正则规则批量选列 #

• 要选取所有名称包含user的列，filter写法：
  df.filter(like='user', axis=1)
  对比常见替代方案：
  • 用loc+str.contains：df.loc[:, df.columns.str.contains('user')]
  • 用列表推导：df[[col for col in df.columns if 'user' in col]]
    明显filter写法更短、可读性更高。

如果是正则匹配场景，比如要选所有以_id结尾的列：
df.filter(regex='_id$', axis=1)
替代方案需要写df.loc[:, df.columns.str.match('.*_id$')]，逻辑更绕。

场景2：精确匹配多列/行，自带容错能力 #

如果要选取order_id、pay_amount、user_name三列，同时不确定这些列是否都存在于表中，filter不会抛出异常，只会返回存在的列：
df.filter(items=['order_id', 'pay_amount', 'user_name', 'not_exist_col'], axis=1)
如果用普通列选取写法df[['order_id', 'pay_amount', 'user_name', 'not_exist_col']]，会直接抛出KeyError，在多表合并、批量数据清洗的场景下，filter的容错性可以省去大量列存在性判断的冗余代码。

行索引筛选逻辑一致，比如要选取索引为2023-01-01、2023-01-03、2023-01-05的行，直接写df.filter(items=['2023-01-01','2023-01-03','2023-01-05'], axis=0)即可，不存在的索引会直接忽略。

场景3：多层索引（MultiIndex）下的层级筛选 #

如果是多层列索引，比如第一层是业务线A、业务线B，第二层是收入、成本、利润，要选所有业务线的利润列，filter写法非常简单：
df.filter(like='利润', axis=1, level=1)
如果用loc实现，需要写复杂的元组匹配逻辑，代码复杂度高很多。

不适用场景 #

filter完全不接触数据值，如果你需要按某列的值筛选（比如选pay_amount>100的行）、或者按位置选取行/列，直接用逻辑运算符、loc、iloc即可，filter不支持这类操作。

内容的提问来源于stack exchange，提问作者S Mann