如何使用同时接收索引与值的自定义函数简洁高效过滤Pandas Series？

当然有更优雅高效的写法！你完全不用手动循环收集索引和值，Pandas本身就提供了几种简洁的方式实现这个需求，而且性能比手动循环更好。

方法1：布尔掩码 + 列表推导式（最直观高效） #

这是我最推荐的方式，直接通过zip把索引和值配对，用你的自定义函数生成布尔掩码，再用掩码过滤原Series：

import pandas as pd

series = pd.Series({"id5":88, "id3":40})
def custom(k,v):
    if k=="id5":
        return v>20
    else:
        return v>50

# 生成布尔掩码
mask = [custom(k, v) for k, v in zip(series.index, series.values)]
# 过滤得到结果
filtered_series = series[mask]

运行后filtered_series的结果和你原来的代码完全一致：

id5    88
dtype: int64

这种写法兼顾了Python原生迭代的效率和Pandas布尔索引的简洁，数据量大时比手动append快很多。

方法2：转DataFrame后用apply（API风格） #

如果你更习惯Pandas的链式操作风格，可以把Series转成单列DataFrame，通过apply指定axis=1来同时获取行索引和值：

filtered_series = series.to_frame().apply(
    lambda row: custom(row.name, row.iloc[0]), 
    axis=1
).pipe(lambda mask: series[mask])

这个写法稍显冗长，但适合复杂场景下的流水线式数据处理。

方法3：使用Series.where（进阶写法） #

where方法可以直接根据条件保留符合要求的元素，不符合的会被设为NaN，之后删掉NaN即可：

filtered_series = series.where(
    lambda s: [custom(k, v) for k, v in zip(s.index, s.values)]
).dropna()
# 可选：恢复原数据类型
filtered_series = filtered_series.astype(int)

内容的提问来源于stack exchange，提问作者bkoodaa