例如，我有简单的DF：
import pandas as pd from random import randint df = pd.DataFrame({'A': [randint(1, 9) for x in xrange(10)], 'B': [randint(1, 9)*10 for x in xrange(10)], 'C': [randint(1, 9)*100 for x in xrange(10)]})
我可以使用熊猫的方法和惯用法从“ A”中选择与B对应的值大于50的值，对于C对应的值大于900的值吗？
“ A”
C
当然！设定：
>>> import pandas as pd >>> from random import randint >>> df = pd.DataFrame({'A': [randint(1, 9) for x in range(10)], 'B': [randint(1, 9)*10 for x in range(10)], 'C': [randint(1, 9)*100 for x in range(10)]}) >>> df A B C 0 9 40 300 1 9 70 700 2 5 70 900 3 8 80 900 4 7 50 200 5 9 30 900 6 2 80 700 7 2 80 400 8 5 80 300 9 7 70 800
我们可以应用列操作并获取布尔系列对象：
>>> df["B"] > 50 0 False 1 True 2 True 3 True 4 False 5 False 6 True 7 True 8 True 9 True Name: B >>> (df["B"] > 50) & (df["C"] == 900) 0 False 1 False 2 True 3 True 4 False 5 False 6 False 7 False 8 False 9 False
[更新，切换到新样式.loc]：
然后，我们可以使用它们来索引对象。对于读取访问，可以链接索引：
>>> df["A"][(df["B"] > 50) & (df["C"] == 900)] 2 5 3 8 Name: A, dtype: int64
但是由于视图和执行写操作的副本之间的差异，您可能会遇到麻烦。您可以.loc改用：
>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"] 2 5 3 8 Name: A, dtype: int64 >>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"].values array([5, 8], dtype=int64) >>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"] *= 1000 >>> df A B C 0 9 40 300 1 9 70 700 2 5000 70 900 3 8000 80 900 4 7 50 200 5 9 30 900 6 2 80 700 7 2 80 400 8 5 80 300 9 7 70 800
请注意，我不小心输入了== 900not != 900和或~(df[“C”] == 900)，但我懒得修复它。为读者练习。：^）
