Pandas 选取特定值所在行：6 类核心方法与实战指南

在使用 pandas 处理结构化数据时，“选取特定值所在的行” 是最高频的操作之一 —— 无论是筛选 “性别为男的用户”“销售额超过 1000 的订单”，还是 “包含‘北京’的城市数据”，本质都是从 DataFrame 中精准定位符合条件的行。pandas 提供了多种灵活的筛选工具，从基础的布尔索引到进阶的 query 方法，覆盖从简单到复杂的所有场景。本文将从实际应用出发，拆解 6 类核心筛选方法，结合代码示例与场景对比，帮助读者快速掌握 “按需选行” 的技巧，提升数据处理效率。

一、基础认知：为什么 “选取特定行” 是数据分析的核心？

在深入方法前，需先明确 “选行” 的核心价值 —— 它是数据清洗、子集分析、业务洞察的前置步骤：

• 数据清洗：筛选出缺失值、异常值所在的行（如 “年龄> 150” 的异常数据），进行修正或删除；

• 子集分析：聚焦特定群体（如 “会员用户”“一线城市订单”），深入分析其特征；

• 业务决策：定位关键业务数据（如 “退款金额> 5000 的订单”），支撑问题排查与策略制定。

例如，电商平台分析 “高价值用户” 时，需先筛选 “近 30 天消费 > 5000 且购买次数 > 3” 的用户行；医疗数据分析 “糖尿病患者” 时，需筛选 “血糖值 > 7.0” 的患者行 —— 这些场景都依赖精准的 “选行” 操作。

二、核心工具：pandas 选行的 3 个基础逻辑

pandas 选取特定行的本质是 “通过索引或条件，从 DataFrame 中提取满足要求的行子集”，核心依赖 3 类逻辑，所有方法均基于此扩展：

1. 标签索引（loc）：通过行标签（如索引名称、字符串标签）选行，支持条件表达式；

2. 位置索引（iloc）：通过行的位置（如第 1 行、第 10 行）选行，仅支持整数位置；

3. 布尔索引：通过 “每行是否满足条件” 的布尔值（True/False）选行，是最灵活的选行逻辑。

后续所有方法均围绕这 3 类逻辑展开，其中布尔索引是 “选特定值所在行” 的核心，需重点掌握。

三、6 类核心方法：从简单到复杂的选行实战

根据 “筛选条件的复杂度”，将 pandas 选行方法分为 6 类，每类均配代码示例（基于 Python 3.9+、pandas 1.5+），数据示例统一使用以下电商用户 DataFrame：

import pandas as pd

# 构造示例数据

data = {

   "用户ID": [101, 102, 103, 104, 105, 106],

   "姓名": ["张三", "李四", "王五", "赵六", "孙七", "周八"],

   "城市": ["北京朝阳", "上海浦东", "广州天河", "北京海淀", "深圳南山", "上海静安"],

   "年龄": [25, 32, 28, 45, 36, 29],

   "消费金额": [3500, 8200, 4800, 9500, 6300, 2800],

   "会员等级": ["普通", "VIP", "普通", "VIP", "VIP", "普通"]

}

df = pd.DataFrame(data)

print("原始数据：")

print(df)

1. 方法 1：精确匹配 —— 选取某列等于特定值的行

适用场景：已知目标列的 “精确值”，如选取 “会员等级 = VIP”“城市 = 北京朝阳” 的行，核心用布尔索引 +== 实现。

代码示例 1：单条件精确匹配（会员等级 = VIP）

# 选取会员等级为"VIP"的行

vip_users = df[df["会员等级"] == "VIP"]

# 或用loc（更推荐，支持后续列筛选）

vip_users_loc = df.loc[df["会员等级"] == "VIP"]

print("VIP用户数据：")

print(vip_users_loc)

代码示例 2：多值精确匹配（城市在指定列表中）

若需选取 “城市属于北京或上海” 的行，用isin() 函数（替代多个 ==+|，更简洁）：

# 选取城市为"北京朝阳"或"北京海淀"或"上海浦东"或"上海静安"的行

bj_sh_users = df[df["城市"].isin(["北京朝阳", "北京海淀", "上海浦东", "上海静安"])]

# 或简化为“包含北京/上海”的城市（后续模糊匹配会讲更灵活的方式）

print("北京/上海用户数据：")

print(bj_sh_users)

关键说明：

• 字符串匹配需加引号（""），数值匹配无需（如df[df["年龄"] == 25]）；

• 避免用==匹配浮点数（如df[df["消费金额"] == 3500.0]），因浮点精度可能导致匹配失败，建议用between()（见方法 3）。

2. 方法 2：模糊匹配 —— 选取某列包含特定字符的行

适用场景：目标列是文本类型，需 “包含特定字符”，如选取 “城市包含北京”“姓名包含张” 的行，核心用str.contains() 实现。

代码示例 1：包含特定字符（城市包含 "北京"）

# 选取城市名称中包含"北京"的行（不区分大小写，加case=False）

bj_users = df[df["城市"].str.contains("北京", case=False)]

# 若需“不包含”，加~（取反）

non_bj_users = df[~df["城市"].str.contains("北京")]

print("北京用户数据：")

print(bj_users)

代码示例 2：模糊匹配 + 正则（城市以 "北京" 开头）

str.contains () 支持正则表达式，如选取 “城市以北京开头”（排除 “北京朝阳”“北京海淀” 外的其他北京区域）：

# 正则表达式：^表示开头，$表示结尾

bj_start_users = df[df["城市"].str.contains("^北京", regex=True)]

print("城市以北京开头的用户：")

print(bj_start_users)

关键说明：

• 处理缺失值：若列含 NaN，需加na=False（避免返回 NaN 导致筛选错误），如df[df["城市"].str.contains("北京", na=False)]；

• 正则开关：默认regex=True，若需匹配 “包含 * 或.” 等特殊字符，需加regex=False（如df[df["城市"].str.contains("*", regex=False)]）。

3. 方法 3：范围匹配 —— 选取某列在特定区间的行

适用场景：目标列是数值类型，需 “在某个范围”，如选取 “年龄 25-30 岁”“消费金额 5000-10000” 的行，核心用between() 或比较运算符（>、<、>=、<=） 实现。

代码示例 1：用 between () 匹配闭区间（年龄 25≤x≤30）

# 选取年龄在25到30岁之间的用户（包含25和30）

age_range_users = df[df["年龄"].between(25, 30)]

print("25-30岁用户数据：")

print(age_range_users)

代码示例 2：用比较运算符匹配开区间（消费金额 > 5000 且 < 10000）

# 选取消费金额大于5000且小于10000的用户（注意用&，且每个条件加括号）

high_spend_users = df[(df["消费金额"] > 5000) & (df["消费金额"] < 10000)]

# 若用或逻辑，用|（如消费金额<3000或>8000）

print("高消费用户数据（5000<金额<10000）：")

print(high_spend_users)

关键说明：

• 多条件用&（且）、|（或），必须加括号（因运算符优先级问题）；

• between () 默认包含边界（left=True, right=True），如需开区间，设left=False或right=False（如df["年龄"].between(25, 30, left=False)）。

4. 方法 4：多条件组合 —— 同时满足多个筛选规则

适用场景：需同时满足 “多个不同类型条件”，如选取 “VIP 会员且消费金额 > 6000 且年龄 < 40” 的行，核心用布尔索引 +&/| 组合条件。

代码示例：多条件组合筛选（VIP + 高消费 + 年轻用户）

# 条件1：会员等级=VIP；条件2：消费金额>6000；条件3：年龄<40

high_value_vip = df[

   (df["会员等级"] == "VIP") &

   (df["消费金额"] > 6000) &

   (df["年龄"] < 40)

]

# 用loc同时筛选行和列（只保留用户ID、姓名、消费金额）

high_value_vip_cols = df.loc[

   (df["会员等级"] == "VIP") &

   (df["消费金额"] > 6000) &

   (df["年龄"] < 40),

   ["用户ID", "姓名", "消费金额"]  # 仅保留需要的列

]

print("高价值年轻VIP用户：")

print(high_value_vip_cols)

关键说明：

• 不同列的条件可自由组合（文本精确匹配 + 数值范围匹配）；

• 若条件复杂，建议先定义每个条件变量，再组合（提高可读性）：

cond1 = df["会员等级"] == "VIP"

cond2 = df["消费金额"] > 6000

cond3 = df["年龄"] < 40

high_value_vip = df[cond1 & cond2 & cond3]

5. 方法 5：按缺失值筛选 —— 选取某列有 / 无缺失值的行

适用场景：数据清洗时，需定位 “缺失值所在行”（如 “消费金额为 NaN”）或 “无缺失值的行”，核心用isna()/notna() 实现。

代码示例：

# 先构造含缺失值的数据（模拟实际场景）

df_with_na = df.copy()

df_with_na.loc[2, "消费金额"] = None  # 第3行（索引2）消费金额设为NaN

df_with_na.loc[4, "城市"] = None     # 第5行（索引4）城市设为NaN

# 1. 选取消费金额有缺失值的行

na_spend_users = df_with_na[df_with_na["消费金额"].isna()]

# 2. 选取城市无缺失值的行

non_na_city_users = df_with_na[df_with_na["城市"].notna()]

print("消费金额有缺失的用户：")

print(na_spend_users)

print("城市无缺失的用户：")

print(non_na_city_users)

6. 方法 6：高级筛选 —— 用 query () 简化复杂条件

适用场景：多条件筛选时，用 query () 可直接写 “类 SQL 的条件表达式”，比布尔索引更简洁，尤其适合复杂逻辑。

代码示例 1：基础 query 筛选（VIP 且消费金额 > 6000）

# 选取VIP会员且消费金额>6000的用户（条件直接写字符串，无需df["列名"]）

vip_high_spend = df.query("会员等级 == 'VIP' and 消费金额 > 6000")

print("VIP高消费用户（query方法）：")

print(vip_high_spend)

代码示例 2：query 引用外部变量（筛选年龄大于平均年龄的用户）

若需用外部变量（如平均年龄）作为条件，用@变量名引用：

avg_age = df["年龄"].mean()  # 计算平均年龄（约32.83）

# 选取年龄大于平均年龄的普通会员

above_avg_age = df.query("年龄 > @avg_age and 会员等级 == '普通'")

print(f"年龄大于平均值（{avg_age:.2f}）的普通会员：")

print(above_avg_age)

关键说明：

• 字符串值需加单引号（如'VIP'），数值无需；

• 支持复杂逻辑（如or、in，如query("城市 in ['北京朝阳', '上海浦东']")）。

四、实战案例：综合筛选与结果处理

结合上述方法，完成 “电商高价值用户分析” 的完整流程：筛选 “25-40 岁、消费金额 > 5000、城市包含‘北京’或‘上海’的 VIP 用户”，并导出结果。

# 步骤1：定义筛选条件

cond_city = df["城市"].str.contains("北京|上海", na=False)  # 城市含北京或上海

cond_age = df["年龄"].between(25, 40)                     # 年龄25-40岁

cond_spend = df["消费金额"] > 5000                        # 消费金额>5000

cond_vip = df["会员等级"] == "VIP"                        # 会员等级=VIP

# 步骤2：组合条件筛选

high_value_users = df[cond_city & cond_age & cond_spend & cond_vip]

# 步骤3：处理结果（重置索引，方便后续分析）

high_value_users = high_value_users.reset_index(drop=True)  # drop=True删除原索引

# 步骤4：导出结果（保存为Excel）

high_value_users.to_excel("高价值用户.xlsx", index=False)

print("最终筛选的高价值用户：")

print(high_value_users)

输出结果：

最终筛选的高价值用户：

   用户ID  姓名    城市  年龄  消费金额 会员等级

0   102  李四  上海浦东   32    8200    VIP

1   104  赵六  北京海淀   45    9500    VIP

五、常见误区与避坑指南

在选取特定行时，新手常因 “数据类型”“逻辑运算符”“缺失值” 等问题导致筛选失败，以下是高频误区的解决方案：

1. 误区 1：数据类型不匹配导致匹配失败

现象：如 “消费金额” 列是字符串类型（如"3500"），用df[df["消费金额"] > 5000]筛选无结果。

解决方案：先转换数据类型：

# 查看数据类型

print(df["消费金额"].dtype)  # 若为object（字符串），需转换为int/float

df["消费金额"] = pd.to_numeric(df["消费金额"], errors="coerce")  # errors="coerce"将非数值转为NaN

2. 误区 2：用and/or替代&/|导致报错

现象：多条件用df[(df["年龄"]>25) and (df["会员等级"]=="VIP")]，报错ValueError。

原因：pandas 布尔索引需用 “按位运算符”&（且）、|（或），而非 Python 的逻辑运算符and/or。

解决方案：替换为&/|，且每个条件加括号：

correct_df = df[(df["年龄"]>25) & (df["会员等级"]=="VIP")]  # 正确

3. 误区 3：忽略索引重复导致 loc 筛选错误

现象：若 DataFrame 索引重复（如df.index = [0,1,0,3,4,5]），用loc[0]会返回所有索引为 0 的行，而非第一行。

解决方案：如需按位置选行，用 iloc；或重置索引：

# 重置索引为连续整数

df_reset = df.reset_index(drop=True)

# 按位置选第1行（iloc）

first_row = df_reset.iloc[0]

4. 误区 4：模糊匹配时未处理缺失值

现象：列含 NaN 时，df[df["城市"].str.contains("北京")]会返回NaN，导致筛选结果包含错误行。

解决方案：加na=False，将 NaN 视为不匹配：

safe_df = df[df["城市"].str.contains("北京", na=False)]

六、总结：方法选择与效率对比

不同选行方法的适用场景与效率不同，需根据需求选择：

核心建议：

• 日常分析优先用 “布尔索引 + isin ()/between ()”，兼顾效率与简洁；

• 复杂条件（如引用外部变量、多列组合）用 query ()，提升代码可读性；

• 大数据量（千万级）筛选时，避免用 str.contains ()（正则匹配慢），可先预处理文本（如提取城市前缀）再用 isin ()。

通过掌握上述方法，可轻松应对 pandas 中 “选取特定值所在行” 的所有场景，从数据筛选到结果处理形成完整闭环，为后续分析与决策提供精准的数据支撑。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0