Python Pandas如何筛选DataFrame同一行第一列值小于第二列值的行

这类逐行对比两列数值的筛选场景，直接用Pandas原生布尔索引即可实现，全程为向量化运算，不需要手写循环，执行效率最高。
首先修正示例里的列名笔误：你提供的原始数据集里first- column列名带了多余空格，和输出样例的first-column格式不匹配，实际使用时要先保证列名和对比逻辑一致，否则会触发列不存在的报错。

实现步骤 #

1. 构造/读取目标DataFrame #

import pandas as pd

# 对齐你提供的数据集内容
df = pd.DataFrame({
    "id": [0, 1, 2, 3, 4, 5, 6, 7],
    "first-column": [2, 1, 3, 7, 0, 9, 1, 7],
    "second-column": [1, 9, 5, 2, 1, 3, 5, 2]
})

如果你的原始数据集确实存在列名格式偏差的问题，可以用一行代码批量修正列名：

# 去掉列名中连字符后的多余空格，统一列名格式
df.columns = df.columns.str.replace('- ', '-')

2. 执行行筛选 #

直接将逐行对比的判断表达式作为行索引传入DataFrame，即可提取所有符合条件的行：

# 核心筛选逻辑：逐行判断first-column值小于second-column值
filtered_df = df[df["first-column"] < df["second-column"]]

注意：按照你提供的数据集数值逐行校验，实际符合筛选规则的行共4条，分别对应id为1、2、4、6的记录，你给出的输出样例存在数值遗漏。如果需要严格匹配你写的单条输出，可在筛选逻辑中追加id条件：

# 仅保留id=1且满足列值对比规则的行
filtered_df = df[(df["first-column"] < df["second-column"]) & (df["id"] == 1)]

注意事项 #

• 参与对比的两列必须是可比较的数值类型，如果列值为字符串格式的数字，需要先用pd.to_numeric()做类型转换，否则会出现对比逻辑异常
• 多条件组合判断时，每个独立条件需要用括号包裹，条件之间用&（逻辑与）、|（逻辑或）连接，不能直接用Python原生的and/or连接，否则会触发报错

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