基于指定列筛选DataFrame及T1_diff/T2_diff字段过滤需求问询

我来帮你一步步搞定这两个操作，用 Pandas 实现起来很简单：

步骤1：保留指定列 #

首先，我们只保留你需要的 WEEK、DIM1、DIM2、T1_diff、T2_diff 这几列。直接通过列名列表索引即可：

# 保留目标列
filtered_cols_df = df[['WEEK', 'DIM1', 'DIM2', 'T1_diff', 'T2_diff']]

这样就得到了只包含所需列的新 DataFrame。

步骤2：基于 T1_diff 或 T2_diff 过滤行 #

接下来是条件过滤，你提到要对 T1_diff 或 T2_diff 进行筛选，这里我给几个常见的示例（你可以根据实际需求调整条件）：

示例1：筛选 T1_diff 或 T2_diff 不为0的行 #

# 过滤出任意一个diff字段不为0的行
final_df = filtered_cols_df[(filtered_cols_df['T1_diff'] != 0) | (filtered_cols_df['T2_diff'] != 0)]

示例2：筛选 T1_diff > 50 或 T2_diff > 10 的行 #

# 根据阈值过滤
final_df = filtered_cols_df[(filtered_cols_df['T1_diff'] > 50) | (filtered_cols_df['T2_diff'] > 10)]

示例3：筛选 T1_diff 为空或 T2_diff 为空的行（针对缺失值场景） #

final_df = filtered_cols_df[(filtered_cols_df['T1_diff'].isna()) | (filtered_cols_df['T2_diff'].isna())]

注意：Pandas 里用 | 表示逻辑"或"，每个条件都需要用括号括起来，避免运算优先级问题。

合并两步操作（可选） #

如果你想一步完成列选择和行过滤，可以用可读性更强的 loc 方法：

final_df = df.loc[(df['T1_diff'] != 0) | (df['T2_diff'] != 0), ['WEEK', 'DIM1', 'DIM2', 'T1_diff', 'T2_diff']]

loc 先指定行筛选条件，再指定要保留的列，逻辑清晰，推荐优先使用这种写法。

内容的提问来源于stack exchange，提问作者Dark Shadows