当然可以一步完成条件过滤行+指定列选择的操作，你的初步代码写法存在语法错误，我来帮你梳理正确的实现方式，以及分两步操作的开销问题：

一、一步实现的正确写法 #

你尝试的df['cluster' & (df['Type'] == 't')]是错误的，因为&是位运算符，这里的逻辑拼接不符合Pandas的索引规则。推荐两种可靠的一步实现方式：

1. 使用loc（最推荐，显式且安全） #

loc是Pandas中用于标签索引的工具，可以同时指定行筛选条件和列名，语法清晰且能避免潜在的SettingWithCopyWarning：

df.loc[df['Type'] == 't', 'cluster']

• 第一个参数df['Type'] == 't'是行过滤的布尔条件，筛选出Type为t的所有行
• 第二个参数'cluster'是你要保留的列名，如果需要多列，传入列名列表即可，比如['cluster', 'id']

2. 链式索引（简单但需注意警告） #

也可以先过滤行再选择列，写法更简洁，但在某些场景下可能触发Pandas的警告（因为链式索引可能返回视图而非副本）：

df[df['Type'] == 't']['cluster']

二、分两步操作的开销分析 #

你给出的分两步代码里第二步应该是笔误（tmp[df['Type']]应该是tmp['cluster']吧？），修正后的代码是：

tmp = df[df['Type'] == 't']
tmp = tmp['cluster']

关于开销问题：

• 大部分情况下，一步操作和分两步的性能差异可以忽略不计。Pandas内部会对这类操作做优化，即使分两步，中间生成的临时DataFrame也不会带来显著的额外开销，除非你的数据集达到千万级以上的超大规模。
• 如果分两步是为了代码可读性（比如给中间步骤加注释，或者后续要复用过滤后的子集），完全可以这么写，不用纠结性能损耗。

补充说明 #

如果需要更复杂的条件（比如多条件组合），同样可以在loc的行参数里用&（且）、|（或）组合，记得给每个条件加括号：

# 筛选Type为t且cluster>5的行，保留cluster列
df.loc[(df['Type'] == 't') & (df['cluster'] > 5), 'cluster']

内容的提问来源于stack exchange，提问作者swas