迭代Pandas DataFrame行按值类型生成查询条件的实现方法

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'A': [0, 1, 34, 11],
    'B': [11, 0, 1, np.nan],
    'C': [[13,16,18], np.nan, [13,16], [10,16]]
}, index=[1,2,3,4])

# 存储每行生成的查询语句，格式为(行索引, 查询语句)
query_result = []

for idx in df.index:
    # 过滤当前行的空值列
    line = df.loc[idx].dropna()
    conds = []
    for col, val in line.items():
        if isinstance(val, list):
            # 处理列表类型字段，生成in条件
            list_content = ', '.join(map(str, val))
            conds.append(f"`{col}` in ({list_content})")
        else:
            # 处理数值类型字段，生成等于条件
            conds.append(f"`{col}`=={int(val)}")
    # 拼接所有条件
    full_query = ' and '.join(conds)
    query_result.append((idx, full_query))
    print(f"索引{idx}生成的查询语句：{full_query}")

索引1生成的查询语句：`A`==0 and `B`==11 and `C` in (13, 16, 18)
索引2生成的查询语句：`A`==1 and `B`==0
索引3生成的查询语句：`A`==34 and `B`==1 and `C` in (13, 16)
索引4生成的查询语句：`A`==11 and `C` in (10, 16)

• 每行处理前先调用dropna()过滤空值列，无需处理nan对应的字段
• 无需单独判断行内是否存在list类型值，直接遍历每个字段的类型生成对应条件，最后统一用and拼接即可，逻辑更简洁通用
• 列表类型字段先将元素转成字符串后用逗号拼接，再套入in语法模板；数值类型直接转int后套入等于语法模板

内容的提问来源于stack exchange，提问作者Atefe Nematolahi