如何为Pandas DataFrame创建可复用、可组合的筛选器？

你提的这个需求太实用了！我之前也踩过类似的坑——一开始写的嵌套筛选函数用起来特别别扭，后来摸索出几种更顺手的写法，刚好能解决你的痛点：

方法一：返回布尔掩码的普通函数（最推荐，灵活清晰） #

核心思路是：把筛选条件定义成返回布尔Series（也就是筛选掩码）的函数，而不是直接返回筛选后的DataFrame。这样每个筛选器不绑定特定的DataFrame，只要传入的df有对应列就能用，组合起来也和你想要的写法几乎一致：

import pandas as pd

# 定义可复用的筛选函数，返回布尔掩码
def filter_A(df):
    return df["A"] == 1

def filter_B(df):
    return df["B"] == 2

# 测试第一个DataFrame
df1 = pd.DataFrame({"A":[1,1,2],"B":[1,2,3]})
# 同时满足A=1和B=2，用&组合
print(df1.loc[filter_A(df1) & filter_B(df1)])

# 换另一个结构相同的DataFrame
df2 = pd.DataFrame({"A":[1,2,2],"B":[2,3,1]})
# 用|组合实现“或”逻辑
print(df2.loc[filter_A(df2) | filter_B(df2)])

这种写法的好处是：筛选器完全独立，不管你换多少个同结构的DataFrame，直接传入就能用；组合条件的时候也直观，和原生的布尔掩码写法逻辑一致，只是多了个(df)的参数而已。

方法二：用Lambda表达式简化简单筛选 #

如果你的筛选条件都是简单的单条件判断，用lambda表达式可以写得更简洁：

# 用lambda定义筛选器
filter_A = lambda df: df["A"] == 1
filter_B = lambda df: df["B"] == 2

# 使用方式和上面完全一样
df = pd.DataFrame({"A":[1,1,2],"B":[1,2,3]})
print(df.loc[filter_A(df) & filter_B(df)])

这种写法适合快速定义简单筛选，代码更短；但如果筛选逻辑复杂（比如涉及多列判断、函数计算），还是用普通的def函数更清晰，方便后期维护。

方法三：用类封装管理大量筛选器 #

如果你的项目里有很多同结构的DataFrame，且筛选器数量较多，可以把它们封装成一个类，统一管理：

class DataFrameFilters:
    @staticmethod
    def filter_A(df):
        return df["A"] == 1
    
    @staticmethod
    def filter_B(df):
        return df["B"] == 2
    
    @staticmethod
    def filter_A_or_B(df):
        # 还可以在类里直接定义预组合好的筛选器
        return DataFrameFilters.filter_A(df) | DataFrameFilters.filter_B(df)

# 使用示例
df = pd.DataFrame({"A":[1,1,2],"B":[1,2,3]})
# 直接调用类里的组合筛选器
print(df.loc[DataFrameFilters.filter_A_or_B(df)])

这种方式能把相关的筛选器都归类到一起，团队协作的时候其他人找起来也方便，适合筛选器较多的中大型项目。

对比你原来的写法，这些方法的核心是把筛选逻辑和DataFrame解耦——原来的函数直接返回筛选后的df，导致组合只能嵌套；而返回布尔掩码的方式，让筛选器变成了可组合的“积木”，想怎么拼就怎么拼，完全符合你想要的灵活复用的需求。

备注：内容来源于stack exchange，提问作者NN314