如何依据各列的最小值与最大值筛选DataFrame

针对你有一个包含4698行的DataFrame，需要按每列对应的最小最大值条件筛选行的需求，这里提供两种实用的pandas实现方法：

方法一：向量化掩码筛选（高效处理大数据量） #

这种方法通过构建布尔掩码，用向量化操作处理，适合你的大数据集，执行效率更高：

首先定义每列的区间条件（你可以根据实际需求修改数值）：

import pandas as pd

# 示例：键是列名，值是(最小值, 最大值)的元组
column_ranges = {
    'A': (10, 50),
    'B': (1, 10),
    'C': (10, 85),
    'D': (2, 80),
    'E': (0.8, 3.0),
    'F': (1, 9)
}

然后生成掩码并筛选：

# 初始化掩码为全True，代表所有行初始都符合条件
mask = pd.Series([True] * len(df), index=df.index)

# 遍历每个列的条件，逐步缩小符合条件的行范围
for col, (min_val, max_val) in column_ranges.items():
    # 对当前列生成"在区间内"的布尔序列，和现有掩码做逻辑与
    mask &= (df[col] >= min_val) & (df[col] <= max_val)

# 应用掩码得到筛选后的DataFrame
filtered_df = df[mask]

方法二：简洁的逐行检查（可读性优先） #

如果更看重代码的简洁性和可读性，可以用apply配合all()来检查每行是否所有列都满足条件：

# 对每行应用检查：所有列都落在对应的区间内
filtered_df = df[df.apply(lambda row: all(
    min_val <= row[col] <= max_val 
    for col, (min_val, max_val) in column_ranges.items()
), axis=1)]

额外说明 #

• 如果你的条件是按列顺序给出的列表（而非字典），可以先把它和列名对应起来：

  # 示例：按A-F顺序排列的区间列表
  ranges_list = [(10, 50), (1, 10), (10, 85), (2, 80), (0.8, 3.0), (1, 9)]
  column_ranges = dict(zip(df.columns, ranges_list))
  

• 确保每个区间的最小值≤最大值，否则会筛选出空结果
• 你的列都是数值型（），无需额外类型转换；如果有非数值列，需要先处理或排除

内容的提问来源于stack exchange，提问作者Omry Atia