如何为pandas DataFrame应用条件规则以获取指定数据集？

原代码核心问题 #

• 匹配逻辑错误：循环过程中只要检测到某一行Price小于150，就直接打印全表的ItemNo、ItemName列，而非仅输出当前符合条件的对应行，最终结果会重复刷出大量冗余的全表内容，完全无法得到精准筛选的目标数据。
• 运算效率极低：pandas本身支持向量化批量运算，原生for循环逐行遍历的写法，在数据量较大时，运行效率会比标准写法低几个数量级。

标准实现方法 #

pandas条件筛选的标准操作是通过布尔索引完成，无需逐行遍历：

1. 构造布尔掩码序列，逐行标记是否满足Price < 150的判断条件
2. 基于掩码索引匹配对应行，同时指定需要输出的列范围
3. 增加空结果判断，当无任何匹配条目时输出"Error"

可直接使用的示例代码：

# 生成逐行判断的布尔掩码
price_filter = stock["Price"] < 150
# 提取符合条件的行，选取需要展示的ItemNo、ItemName列
match_data = stock.loc[price_filter, ["ItemNo", "ItemName"]]

# 判断匹配结果是否为空
if match_data.empty:
    print("Error")
else:
    print(match_data)

方案效果 #

• 结果精准：仅输出满足价格阈值的对应条目，不会出现冗余的全表重复输出问题
• 性能优异：所有筛选运算由pandas底层向量化逻辑处理，运行速度远高于逐行循环的写法

内容的提问来源于stack exchange，提问作者Daniel Simon George