如何从Pandas DataFrame中筛选指定列后再过滤行？

嘿，我明白你现在的困扰啦——你之前用for col in df.loc[:, ["B", "D"]]的方式其实是在遍历列名，而不是逐行处理，这当然没法在if语句里筛选目标行。Pandas的核心优势是矢量化操作，咱们完全不用写循环就能高效完成“选列+筛行”的需求，具体方法如下：

核心思路：先定条件，再精准提取 #

Pandas的loc方法可以同时完成行筛选和列选择，一步到位；或者你也可以分两步先选列再筛行，两种方式都很简单。

示例场景 #

先假设咱们有这样一个测试DataFrame：

import pandas as pd

data = {
    "A": [1, 2, 3, 4, 5],
    "B": [12, 8, 25, 18, 5],
    "C": [100, 200, 300, 400, 500],
    "D": [7, 14, 21, 28, 35]
}
df = pd.DataFrame(data)

方法1：一步到位（推荐，更高效） #

直接用loc，第一个参数是行筛选的布尔条件，第二个参数是要保留的列名列表：

# 比如筛选B列值大于10，且只保留B、D列的行
filtered_df = df.loc[df["B"] > 10, ["B", "D"]]

如果需要多个条件（比如B>10 且 D>20），记得用&连接，并且每个条件要加括号：

filtered_df = df.loc[(df["B"] > 10) & (df["D"] > 20), ["B", "D"]]

方法2：分两步操作（更直观） #

先提取出B、D列，再对这个子DataFrame应用筛选条件：

# 第一步：提取B、D列
selected_cols = df[["B", "D"]]
# 第二步：筛选符合条件的行（比如B列小于10）
filtered_df = selected_cols[selected_cols["B"] < 10]

为什么不用for循环？ #

Pandas的循环遍历行/列效率极低，尤其是数据量大的时候——矢量化操作是Pandas底层用C实现的，速度比Python循环快几十甚至上百倍，代码也更简洁易读。

内容的提问来源于stack exchange，提问作者Atihska