多条件过滤Pandas DataFrame时如何自动跳过None值筛选条件

解决方法 #

你可以通过动态构造筛选条件的方式实现需求，全程不需要为每个变量单独编写if判断，后续新增筛选字段时也只要修改配置列表即可，扩展性很强。

写法1：循环拼接条件（可读性更高） #

import pandas as pd

# 统一配置筛选变量和对应DataFrame列名的配对关系
filter_config = [
    (country, "country"),
    (company_type, "company_type"),
    (sector, "sector"),
    (state, "state")
]

# 初始化默认条件：全选
filter_condition = pd.Series([True] * len(master_df), index=master_df.index)

for filter_val, col_name in filter_config:
    # 仅当筛选变量不为None时，追加对应筛选规则
    if filter_val is not None:
        filter_condition &= master_df[col_name].isin(filter_val)

# 应用筛选
search_table = master_df.loc[filter_condition]

写法2：reduce合并（代码更简洁） #

import pandas as pd
from functools import reduce
import operator

filter_config = [
    (country, "country"),
    (company_type, "company_type"),
    (sector, "sector"),
    (state, "state")
]

# 生成所有有效筛选条件的列表
valid_filters = [
    master_df[col].isin(val) 
    for val, col in filter_config 
    if val is not None
]

# 对所有有效条件做逻辑与合并，无有效条件时默认全选
search_table = master_df.loc[reduce(operator.and_, valid_filters, True)]

两种写法逻辑完全一致：如果所有筛选变量都为None，会返回完整的master_df；如果部分变量为None，会自动跳过对应筛选规则，仅应用已赋值的筛选条件。

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