请求建议：EDA中Pandas DataFrame过滤时如何避免重跑代码

以下是几个实用方案，帮你避免每次出错都要从头跑代码的麻烦：

• 保留过滤步骤的历史版本
  别直接覆盖filtered_df，给每个过滤后的版本加编号或有意义的后缀，比如filtered_df_1、filtered_df_age_over_18。每个版本对应一次过滤操作，这样哪怕某步出错，直接从上一个正确版本继续就行，不用重启整个流程。
  示例代码：

  # 初始过滤
  filtered_df_age = df[df['age'] > 18]
  # 第二次过滤
  filtered_df_age_income = filtered_df_age[filtered_df_age['income'] > 50000]
  # 第三次过滤
  filtered_df_final = filtered_df_age_income[filtered_df_age_income['city'] == 'Beijing']
  

• 用链式过滤或query方法简化流程
  Pandas支持链式调用，把多个过滤条件串起来写，既不用堆一堆中间变量，逻辑也清晰。如果用Jupyter这类交互式环境，还能拆成多个单元格分步运行，每一步都能单独检查结果，改起来也方便。
  示例代码：

  # 链式写法
  filtered_df = df[df['age'] > 18]\
                  [df['income'] > 50000]\
                  [df['city'] == 'Beijing']
  # 或者用query更简洁
  filtered_df = df.query("age > 18 and income > 50000 and city == 'Beijing'")
  

• 把中间结果存到文件里
  如果处理的是大数据集，每次过滤都耗时间，那就把中间结果存成CSV或Parquet文件。这样哪怕代码崩了或者重启环境，直接加载文件就能继续，不用再从原始数据开始跑。
  示例代码：

  # 保存第一次过滤结果
  filtered_df_age.to_parquet('filtered_age_over_18.parquet')
  # 后续直接加载
  filtered_df_age = pd.read_parquet('filtered_age_over_18.parquet')
  

  Parquet比CSV更高效，能保留数据类型，加载速度也快，适合大数据场景。

• 把过滤逻辑封装成函数+用版本控制
  把每次过滤写成独立函数，比如按年龄过滤、按收入过滤，调用的时候依次执行。再用Git跟踪代码修改，要是哪步逻辑错了，能直接回退到之前的正确版本，对比差异找问题。
  示例代码：

  def filter_age(df, min_age):
      return df[df['age'] > min_age]
  
  def filter_income(df, min_income):
      return df[df['income'] > min_income]
  
  # 依次调用
  temp_df = filter_age(df, 18)
  filtered_df = filter_income(temp_df, 50000)
  

内容的提问来源于stack exchange，提问作者user32748264