Pandas教程：如何筛选两列值不同的行？

嘿，这个需求在pandas里太常见了，我给你分享几种简单高效的实现方式，按需选用就行：

方法1：直观的布尔索引 #

这是最直接的写法，新手也能一眼看懂：

filtered_df = df[df['a'] != df['b']]

原理很简单：df['a'] != df['b']会生成一个布尔值的Series，其中True对应的就是列a和列b取值不同的行，用这个Series去索引原DataFrame，就能得到你要的结果。

方法2：用pandas的ne()方法（更优雅的链式写法） #

ne()是not equal的缩写，和!=功能完全一致，但写法更贴合pandas的风格，处理复杂链式操作时更顺手：

filtered_df = df[df['a'].ne(df['b'])]

方法3：用query()方法（类SQL风格） #

如果你习惯写SQL类的语句，query()会让代码更简洁易读：

filtered_df = df.query('a != b')

特殊情况：处理缺失值（NaN） #

需要注意的是，在pandas中，NaN和任何值比较（包括和自己）都会返回False。如果你的数据里有缺失值，且希望把a或b为NaN的行也视为“取值不同”（毕竟NaN不等于任何有效数值），可以这样处理：

# 包含a≠b，或者a是NaN，或者b是NaN的行
filtered_df = df[(df['a'] != df['b']) | df['a'].isna() | df['b'].isna()]

举个实际例子 #

假设你的DataFrame是这样的：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'a': [1, 2, 3, np.nan, 5],
    'b': [1, 4, 3, 3, 6]
})

用上述缺失值处理的代码筛选后会得到：

a    b
1  2.0  4.0
3  NaN  3.0
4  5.0  6.0

内容的提问来源于stack exchange，提问作者user1670773