能否用**kwargs的关键字名作为pandas DataFrame列名实现筛选？

原代码使用df.arg的点属性访问语法时，arg只是循环遍历的普通变量，点后面的内容只会被当作硬编码字面属性名，不会被解析为动态变量，因此DataFrame会查找名为arg的列/属性，自然触发报错。

pandas 列名引用的核心规则：

• 点语法df.列名仅支持硬编码的字面列名，无法解析变量
• 方括号语法df[列名]会优先解析括号内的Python变量，支持动态传入列名字符串

直接把循环内的属性访问替换为方括号动态索引即可，最小改动的代码可完全兼容原有调用逻辑：

@staticmethod
def filter_json(json, col_filter, **kwargs):
    '''
        Convert and filter a JSON object into a dataframe
    '''
    df = pd.read_json(json).drop(col_filter, axis=1)
    # 直接用kwargs.items()遍历拿到列名和对应过滤值
    for col_name, filter_values in kwargs.items():
        # 用方括号动态引用列名，替换原有的df.arg写法
        df = df[df[col_name].isin(filter_values)]
    return df

如果需要叠加的过滤条件较多，多次循环过滤DataFrame会产生额外性能开销，可以先合并所有过滤布尔掩码，一次性完成筛选：

@staticmethod
def filter_json(json, col_filter, **kwargs):
    '''
        Convert and filter a JSON object into a dataframe
    '''
    df = pd.read_json(json).drop(col_filter, axis=1)
    # 初始化全为True的掩码，代表初始保留所有行
    mask = pd.Series(True, index=df.index)
    for col_name, filter_values in kwargs.items():
        # 叠加每个列的过滤条件，&为布尔与操作
        mask &= df[col_name].isin(filter_values)
    # 一次性应用所有过滤条件
    df = df[mask]
    return df

内容的提问来源于stack exchange，提问作者Magic Mick