如何使用Python Pandas读取CSV文件中指定数值区间的数据

你遇到的报错是pandas布尔索引的常见问题：Python原生的and关键字、连续比较语法x_lower <= x <= x_higher都会尝试将整个布尔Series转换为单个布尔值，而pandas没有默认的单布尔值转换规则，因此会抛出真值模糊的错误。

正确实现方式 #

方法1：使用位与运算符&

位运算符是pandas中多条件筛选的标准实现，注意每个比较条件必须用小括号包裹，避免运算符优先级问题：

# 对指定数值列筛选，推荐指定列名，避免其他非数值列干扰
x_ideal = x[(x['numerical value'] >= x_lower) & (x['numerical value'] <= x_higher)]

# 如果你确实要筛选整个DataFrame所有列都符合区间要求的行，加上all(axis=1)判断整行都满足条件
x_ideal = x[(x >= x_lower).all(axis=1) & (x <= x_higher).all(axis=1)]

方法2：使用between方法（更简洁）

pandas提供了专门的区间筛选方法between，默认是闭区间（包含上下限），正好匹配你的需求：

x_ideal = x[x['numerical value'].between(x_lower, x_higher)]

注意事项 #

• pandas布尔索引的逻辑运算要使用&（与）、|（或）、~（非），不要和Python原生的and/or/not混用
• 多条件组合时每个独立判断必须用小括号包裹，否则会因为运算符优先级问题导致报错或结果不符合预期

用你的示例CSV运行后，输出结果会包含以下符合要求的行：

内容的提问来源于stack exchange，提问作者Serena