如何基于特定索引过滤Pandas DataFrame？query方法使用失败

别着急～我来帮你搞定透视表的过滤问题！咱们分几种常见情况来对应解决，你可以根据自己的透视表结构来选：

如果你的目标成员是透视表的行索引或者列名，用loc搭配isin()是最直接的方式：

• 过滤行索引中的特定成员：

  # 假设透视表的行索引是"成员"字段，要保留张三、李四
  filtered_df = pivot_df.loc[pivot_df.index.isin(['张三', '李四'])]
  

• 过滤列中的特定成员（如果透视表把成员放在列上）：

  filtered_df = pivot_df.loc[:, pivot_df.columns.isin(['张三', '李四'])]
  

如果需要根据透视表中的数值（比如销售额、数量）来筛选成员，直接用布尔索引就很方便：

# 筛选销售额总和大于1000的成员
filtered_df = pivot_df[pivot_df['销售额'] > 1000]

如果是多层索引的透视表（比如行是「部门+成员」），可以用xs()快速定位：

# 筛选销售部的所有成员
filtered_df = pivot_df.xs('销售部', level='部门')

有时候query()失效是因为索引或列名的问题：

• 如果要过滤的是索引，需要在query里明确写index：

  filtered_df = pivot_df.query("index == '张三'")
  

• 如果列名有空格、特殊字符，要给列名加反引号：

  # 比如列名是"成员 销售额"
  filtered_df = pivot_df.query("`成员 销售额` > 1000")
  

import pandas as pd

# 构造示例数据
data = {
    '成员': ['张三', '李四', '王五', '张三', '李四'],
    '部门': ['销售部', '销售部', '财务部', '财务部', '销售部'],
    '销售额': [1200, 800, 500, 1500, 900]
}
df = pd.DataFrame(data)

# 生成透视表：行是成员，值是销售额总和
pivot_df = df.pivot_table(index='成员', values='销售额', aggfunc='sum')

# 过滤销售额大于1000的成员
filtered_df = pivot_df[pivot_df['销售额'] > 1000]
print(filtered_df)

内容的提问来源于stack exchange，提问作者Eric