将多Pandas条件拼接字符串转换为可用于DataFrame过滤的有效条件

嘿，我完全懂你的困扰——面对没有列名的DataFrame，还要靠一堆重复的条件来过滤行，手动拼接字符串不仅麻烦，还容易写错对吧？我给你两种解决方案，一种直接解决你用拼接字符串的需求，另一种是更优雅的最佳实践：

方案1：直接执行你拼接好的条件字符串 #

如果你已经生成了那个长条件字符串，可以用Python的eval()函数来执行它，直接得到过滤后的DataFrame：

# 假设你的条件字符串是这样的（补全省略部分示例）
condition_str = '(df == "00 bis 01 Uhr").any(axis = 1) | (df == "01 bis 02 Uhr").any(axis = 1) | (df == "02 bis 03 Uhr").any(axis = 1) | (df == "03 bis 04 Uhr").any(axis = 1)'

# 执行条件并过滤
filtered_df = df[eval(condition_str)]

⚠️ 注意：eval()会执行传入的字符串代码，所以一定要确保这个字符串的来源是安全可信的，别用它执行未知来源的内容，避免代码注入风险。

方案2：更简洁安全的写法（强烈推荐） #

其实完全不用拼接字符串，把你要匹配的所有值放到一个列表里，用isin()结合any()就能轻松实现需求，不管DataFrame有多少列都适用：

1. 先把所有目标值整理成列表：

target_times = [
    "00 bis 01 Uhr",
    "01 bis 02 Uhr",
    "02 bis 03 Uhr",
    "03 bis 04 Uhr",
    # 这里可以继续添加任意多的目标值
]

2. 用一行代码完成过滤：

filtered_df = df[df.isin(target_times).any(axis=1)]

这个方法的好处太多了：不用重复写一堆df == ...的条件，代码简洁易维护，还完全避开了eval()的安全风险，而且完美适配无列名、列数不固定的DataFrame场景——isin()会检查每一个单元格的值是否在目标列表里，any(axis=1)只要该行有一个单元格匹配就会保留整行。

备注：内容来源于stack exchange，提问作者i.i.k.