如何在Pandas中批量筛选指定行及选择多行创建新DataFrame？

嘿，我来帮你搞定这两个Pandas的实用问题，都是日常处理DataFrame时经常遇到的场景，咱们一步步说：

问题1：如何从某一列选择多行数据，创建新的DataFrame？ #

其实分两种常见场景，对应不同的实现方式：

• 按行索引/位置选择：如果你知道要选的行的索引标签或者位置序号，可以直接用loc（标签索引）或iloc（位置索引）：

  # 假设要选索引标签为0、2、5的行
  new_df = df.loc[[0, 2, 5]]
  
  # 或者按位置序号（从0开始计数）选第1、3、4行
  new_df = df.iloc[[1, 3, 4]]
  

• 按列的条件筛选多行：如果是基于某列的条件（比如值在某个范围内、等于特定值集合），可以用布尔索引。比如要选'score'列大于80的所有行：

  new_df = df[df['score'] > 80]
  

  如果是选某列值属于多个指定内容的行，直接看问题2的方法就行～

问题2：批量筛选多个location值对应的行 #

你之前的代码出错，是因为逻辑运算符的使用方式不对：&需要两边都是布尔类型的Series，而你直接把字符串用&连接，Python无法识别这种逻辑。其实Pandas提供了更简洁的isin()方法来处理这种批量匹配的需求，一步就能搞定：

方法1：使用isin()（最常用） #

先定义你要保留的location列表，然后用isin()生成布尔索引筛选行：

# 定义目标location集合
target_locations = ['Aberdeen', 'Glasgow', 'London']
# 筛选出location在目标列表中的行
x = df[df['location'].isin(target_locations)]

如果想要反向筛选（剔除这些location的行），只需要在布尔索引前加~（取反）：

x = df[~df['location'].isin(target_locations)]

方法2：使用query()（更简洁的语法） #

如果你喜欢更接近自然语言的写法，可以用query()方法：

x = df.query("location in ['Aberdeen', 'Glasgow', 'London']")

这种写法在筛选条件复杂时可读性更高～

内容的提问来源于stack exchange，提问作者snow_fall