Pandas中能否在单个.loc调用中结合标签索引与布尔掩码？

你当前的链式索引写法虽然能运行，但确实有更优的实现方式——不仅能避免链式索引可能引发的SettingWithCopyWarning，还能提升代码的执行效率与可读性。

核心思路：将标签范围转化为布尔条件，与工作日掩码组合 #

.loc的第一个参数支持传入布尔数组，我们可以把「日期范围筛选」和「工作日筛选」两个条件合并成一个布尔掩码，一次性传入.loc：

步骤1：生成工作日掩码

先针对整个DataFrame的索引生成工作日判断的掩码：

import numpy as np
# 生成判断每个索引是否为工作日的布尔数组
busday_mask = np.is_busday(df.index, holidays=dd.all_holidays)

步骤2：单个.loc完成双重筛选

把日期范围的条件也转化为布尔表达式，和工作日掩码用&（逻辑与）组合，直接传入.loc：

# 合并日期范围与工作日条件，一次性筛选
filtered_df = df.loc[(df.index >= start_date) & (df.index <= end_date) & busday_mask]

为什么这比你的原写法更好？ #

• 避免链式索引风险：原代码df.loc[start_date:end_date][mask]属于链式索引，Pandas无法确定你是要修改视图还是副本，很可能触发SettingWithCopyWarning，甚至导致修改操作不生效。
• 更高效：单次.loc调用只需遍历索引一次，而链式索引需要两次索引操作，数据量大时差异更明显。
• 可读性更强：所有筛选逻辑集中在一处，后续维护更清晰。

另一种可选写法（保留标签切片语法） #

如果你偏好start_date:end_date的标签切片语法，也可以先把该切片转化为布尔掩码，再和工作日掩码组合：

# 先获取日期范围对应的布尔掩码
date_range_mask = df.index.isin(df.loc[start_date:end_date].index)
# 组合掩码进行筛选
filtered_df = df.loc[date_range_mask & busday_mask]

不过这种写法需要额外生成一次切片索引，效率略低于第一种方式，更推荐第一种直接用布尔表达式的写法。

内容的提问来源于stack exchange，提问作者user4552829