如何用loc/iloc选取pd.DataFrame的反索引？求更优方案

嘿，这个痛点我太懂了！用列表推导式写反索引不仅啰嗦，还容易出错，Pandas其实提供了好几种更优雅的方式来实现这个需求，给你分享几个常用的：

方法1：使用index.difference()（最推荐） #

这是最直接简洁的方式，difference()方法会返回当前索引中不在目标索引集合里的所有索引，完美适配loc的索引选取：

df.loc[df.index.difference(my_index), my_feature]

它会自动处理不同类型的索引（整数、字符串、日期等），而且不需要额外的掩码转换，代码可读性拉满。

方法2：布尔掩码取反 #

先通过isin()生成一个布尔数组，标记哪些索引属于my_index，再用~符号取反，同样可以传给loc：

# 生成掩码：True表示索引在my_index中
mask = df.index.isin(my_index)
# 取反后选取不在my_index的行
df.loc[~mask, my_feature]

这种方式逻辑很直观，适合需要先查看掩码结果的场景。

方法3：针对iloc的位置索引反选 #

如果需要用iloc（基于位置的索引），可以先把目标索引转换成位置，再通过numpy的isin取反：

import numpy as np
# 获取my_index对应的位置索引
target_positions = df.index.get_indexer(my_index)
# 生成所有位置的数组，取反得到不在目标中的位置
all_positions = np.arange(len(df))
selected_positions = all_positions[~np.isin(all_positions, target_positions)]
# 用iloc选取
df.iloc[selected_positions, df.columns.get_loc(my_feature)]

这个方法相对前两个繁琐一点，但如果你的场景必须用位置索引，这是可行的方案。

示例演示 #

假设我们有这样的DataFrame：

import pandas as pd
df = pd.DataFrame({'score': [85, 92, 78, 90, 88]}, index=['Alice', 'Bob', 'Charlie', 'David', 'Eve'])
my_index = ['Alice', 'Charlie']
my_feature = 'score'

用方法1执行后，会得到Bob、David、Eve的score数据：

Bob      92
David    90
Eve      88
Name: score, dtype: int64

内容的提问来源于stack exchange，提问作者Garvey