Pandas中使用query函数实现多列组合条件过滤的方法

常见报错原因排查 #

• 你之前使用df.query("AD65 == 'notnull' & B14 == 'Machine'")返回空结果，核心是语法使用错误：该写法本质是匹配AD65列值等于字符串"notnull"的行，并不是判断列值非空，自然无法返回目标数据。
• 布尔索引组合多条件时，每个独立判断表达式必须用英文圆括号包裹，否则会因Python运算符优先级问题出现逻辑计算错误。

正确筛选实现方案 #

方案1：布尔索引组合（兼容性最强，无语法适配问题） #

两个筛选条件用&连接，每段逻辑单独加括号即可：

# 同时满足：AD65列无空值、B14列值为"Machine"
result_df = df[(df["AD65"].notnull()) & (df["B14"] == "Machine")]

注：Pandas中notnull()和notna()方法完全等价，你之前单独编写的df.AD65.notnull()非空筛选逻辑是正确的。

方案2：修正后的query函数写法 #

如果习惯使用query做筛选，把非空判断改成对应方法调用即可：

result_df = df.query("AD65.notnull() & B14 == 'Machine'")

循环遍历适配说明 #

• 常规静态DataFrame完成一次筛选后，不需要把筛选逻辑放入while循环，直接用for循环遍历筛选结果即可，两种常用遍历方式：
  1. 逐行获取全列值（适合需要操作行内多列的场景）

  for _, row in result_df.iterrows():
      # 直接通过列名取当前行的值，编写后续处理逻辑
      ad65_val = row["AD65"]
      w70_val = row["W70"]
  

  2. 按列批量取值（适合大表遍历，运行性能更高）

  for ad65_val, b14_val in zip(result_df["AD65"], result_df["B14"]):
      # 直接操作两列的对应值，比iterrows遍历速度快数倍
  

• while循环仅适用于需要动态触发筛选的场景（比如拉取增量数据直到满足固定行数、根据外部状态反复重新筛选数据），针对内存中已存在的静态DataFrame，单次筛选+for循环的实现是最简洁高效的方案，强行嵌套while会徒增代码复杂度。

内容的提问来源于stack exchange，提问作者Shanu