Pandas筛选时如何用变量值而非变量名作为列名？

这问题我之前写代码时也踩过坑！核心问题在于Pandas的**点语法（.）**是直接把后面的标识符当作列名的字面量，根本不会去解析你定义的变量。所以df.column_name其实是在找名为column_name的列，而不是你变量里存的"weird_name"，自然会报错。

给你几个实用的解决办法，都是日常写代码常用的：

方法1：用方括号索引（最直接） #

这是最常用的方式，把变量放在方括号里，Pandas会先解析变量的值，再去匹配对应的列：

column_name = "weird_name"
df = pd.DataFrame(data={column_name: [1, 2, 3, 4, 5]})

# 正确的筛选写法
filtered_df = df[df[column_name] > 3]
print(filtered_df)

运行后会得到预期结果：

weird_name
3           4
4           5

方法2：使用loc方法（更清晰的索引方式） #

如果你习惯用更明确的标签索引，loc方法同样支持变量解析，而且能同时指定行和列的筛选条件，可读性更强：

# 筛选行：weird_name>3，保留所有列
filtered_df = df.loc[df[column_name] > 3, :]
# 或者只筛选行的话，简写也可以
filtered_df = df.loc[df[column_name] > 3]

方法3：先提取列再筛选（适合多次复用场景） #

如果需要多次用到这个列的筛选条件，可以先把列提取出来赋值给一个变量，再进行筛选，代码会更简洁：

target_col = df[column_name]
filtered_df = df[target_col > 3]

为什么原来的写法会报错？ #

再啰嗦一句：df.column_name等价于df["column_name"]，是在查找字面量为column_name的列，但你的DataFrame里只有名为"weird_name"的列，所以Pandas会抛出AttributeError，提示找不到这个属性（列）。

内容的提问来源于stack exchange，提问作者blahblah