如何在Pandas中筛选包含指定值的行并生成新DataFrame？

嘿，针对你需要筛选同时包含8和25的行（不管这俩值出现在哪一列）的需求，我整理了两种实用方法，都能轻松搞定你的数千行数据集：

方法一：高效集合检查（推荐） #

这种方法用集合判断子集的方式，效率更高，还能自动避开非数值列（比如你的id列）：

import pandas as pd

# 定义要找的两个目标值
targets = {8, 25}

# 先筛选出所有数值类型的列（避免检查id这类字符串列）
numeric_cols = df.select_dtypes(include=['number']).columns

# 生成布尔掩码：每行检查是否同时包含两个目标值
mask = df[numeric_cols].apply(lambda row: targets.issubset(row.values), axis=1)

# 生成新DataFrame，用copy()避免后续的警告问题
filtered_df = df[mask].copy()

为啥推荐这个？ #

• 集合的issubset判断比两次单独检查更快，尤其数据量大的时候
• select_dtypes自动过滤非数值列，不用手动列出来，更灵活
• 最后用.copy()是为了防止后续修改时触发SettingWithCopyWarning，养成好习惯

方法二：直观逐值检查（适合理解逻辑） #

如果你想更直白地写出判断逻辑，也可以分开检查每个值是否存在，再取逻辑与：

# 分别检查每行是否包含8和25，然后取两者的交集
has_8 = df.apply(lambda row: 8 in row.values, axis=1)
has_25 = df.apply(lambda row: 25 in row.values, axis=1)
mask = has_8 & has_25

filtered_df = df[mask].copy()

针对你的示例数据的结果 #

运行后，filtered_df会包含行a和c：

id num1 num2 num3 num4 num5 num6
a 43 25 37 8 36 20
c 43 25 23 38 1 8

小提示 #

• 如果你的数据里有缺失值（NaN），不用担心，in或者issubset会自动忽略NaN，不会影响判断
• 要是你想检查所有列（包括非数值列），直接把df[numeric_cols]改成df就行

内容的提问来源于stack exchange，提问作者West