如何在Python函数中使用变量指定DataFrame列名实现行筛选

嗨，我明白你遇到的问题了——想用变量来指定DataFrame的列名进行筛选，但直接用点语法x.col行不通对吧？这其实是因为点语法是用来访问DataFrame的属性的，而不是通过变量值来索引列。咱们一步步来解决这个问题：

问题根源 #

你原来写的x.loc[x.col == 0]里，x.col会被Python解析为“访问DataFrame x的col属性”，而不是“访问x中名为变量col的值的列”。所以当col是字符串变量（比如col='Height'）时，Python会去找x有没有叫col的列，而不是找叫Height的列，这就导致代码失效了。

正确的实现方式 #

解决这个问题的核心是用方括号索引来代替点语法，因为方括号可以接受字符串变量作为列名。

1. 普通函数写法

修改你的函数，把x.col改成x[col]就可以了：

def fun(x, col):
    return x.loc[x[col] == 0]

咱们来测试一下这个函数：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({
    'Name': ['Liam', 'Noah', 'Olivia', 'Emma'],
    'Height': [0, 182, 0, 165]
})

# 调用函数，筛选Height列等于0的行
filtered_df = fun(df, 'Height')
print(filtered_df)

运行后会输出：

Name  Height
0     Liam       0
2   Olivia       0

2. Lambda函数写法

如果你偏爱lambda的简洁风格，也可以这样写：

filter_zero_rows = lambda x, col: x.loc[x[col] == 0]

# 调用方式和普通函数完全一样
filtered_df = filter_zero_rows(df, 'Height')

额外说明 #

其实你提到的“用列作为参数应用函数”的场景，更多是针对需要对列做计算的情况（比如用apply处理每行/每列），但在这个行筛选的需求里，直接用loc结合方括号索引就足够简单高效了，不需要复杂的apply操作。

备注：内容来源于stack exchange，提问作者Matt